Unidad 2:

Análisis de Sensibilidad
Dualidad
Todo problema de programación lineal tiene asociado otro problema lineal llamado problema
dual. El problema original suele llamarse problema primal.
Al aplicar el Método Simplex al problema primal y resolverlo, se obtiene la solución óptima original;
pero además, la tabla simplex ofrecerá información acerca de unos números llamados precios
sombra que detallaremos más adelante. El problema dual puede resolverse mediante un método
llamado Método Simplex Dual, y su solución óptima será precisamente aquellos precios sombra
(también llamados precios duales); pero además, la tabla ofrecerá información acerca de la
solución original (la del problema primal). En este sentido, los problemas primal y dual están
relacionadas en que uno da la solución óptima del otro.
Precios sombra (precios duales)
(0, 3/2, 1)
Problema Original Método Simplex
(problema primal) Solución óptima
(2,6)
Tabla Simplex final

Solución del problema primal

Método Simplex Dual (2,6)
Problema Dual
Solución óptima dual
Tabla Simplex Dual final (0, 3/2, 1)

En un problema de PL en el que hay menos variables que restricciones, pueden ahorrarse cálculos resolviendo el Dual.
 Dualidad
Dado un problema primal en la forma estándar, el problema dual adquiere la siguiente forma:

𝑛 variables 𝑚 variables
Problema Primal Problema Dual
Maximizar 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 Minimizar 𝑊 = 𝑏1 𝑦1 + 𝑏2 𝑦2 + ⋯ + 𝑏𝑚 𝑦𝑚
Sujeta a Sujeta a
𝑎11 𝑥1 + 𝑎12𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1 𝑎11𝑦1 + 𝑎21 𝑦2 + ⋯ + 𝑎𝑚1 𝑦𝑚 ≥ 𝑐1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2 𝑎12 𝑦1 + 𝑎22 𝑦2 + ⋯ + 𝑎𝑚2 𝑦𝑚 ≥ 𝑐2
𝑚 restricciones 𝑛 restricciones
⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚 𝑎1𝑛 𝑦1 + 𝑎2𝑛 𝑦2 + ⋯ + 𝑎𝑚𝑛 𝑦𝑚 ≥ 𝑐𝑛
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0 𝑦1 ≥ 0, … , 𝑦𝑚 ≥ 0

• Los coeficientes de la función objetivo del problema primal son los lados
derechos de las restricciones del problema dual.
• Los lados derechos de las restricciones del problema primal son los
coeficientes de la función objetivo del problema dual.
• El patrón de coeficientes de cada variable en las restricciones del problema
primal son los coeficientes de cada restricción del problema dual.
Dualidad
Ejemplo: Hallemos el problema dual del problema de Wyndor Glass.

Problema Primal Problema Dual

Maximizar 𝑍 = 3𝑥1 + 5𝑥2 Minimizar 𝑊 = 4𝑦1 + 12𝑦2 + 18𝑦3
Sujeta a Sujeta a
𝑥1 ≤4 𝑦1 + 3𝑦3 ≥ 3
2𝑥2 ≤ 12 2𝑦2 + 2𝑦3 ≥ 5
3𝑥1 + 2𝑥2 ≤ 18 𝑦1 ≥ 0, 𝑦2 ≥ 0, 𝑦3 ≥ 0
𝑥1 ≥ 0, 𝑥2 ≥ 0

En este curso no desarrollaremos el Método Simplex Dual.

Forma matricial del Método Simplex
El Modelo de un problema de Programación Lineal estándar puede expresarse en forma matricial:

Forma Estándar Forma Matricial

Maximizar 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 Maximizar 𝑍 = 𝐜𝐱
Sujeta a Sujeta a
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1 𝐀𝐱 ≤ 𝐛
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2 𝐱≥𝟎
⋮ donde 𝐜 = [𝑐1 𝑐2 … 𝑐𝑛 ]
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚 𝑥1 0 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑏1
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0 𝑥2 0 𝑎 𝑎22 ⋯ 𝑎2𝑛 𝑏
𝐱= ⋮ 𝟎= 𝐀 = 21 𝐛= 2
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
Los valores de las matrices 𝐀, 𝐛 y 𝐜 suelen 𝑥𝑛 0 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑏𝑚
llamarse parámetros del problema.

Los coeficientes 𝑎𝑖𝑗 de 𝐀 suelen llamarse coeficientes tecnológicos.

Los coeficientes 𝑐𝑗 de 𝐜 suelen llamarse coeficientes objetivo.
Los coeficientes 𝑏𝑖 de 𝐛 suelen llamarse recursos.
 Forma matricial del Método Simplex
Forma Estándar Forma Matricial
Maximizar 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 Maximizar 𝑍 = 𝐜𝐱
Sujeta a Sujeta a
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1 𝐀𝐱 ≤ 𝐛
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2 𝐱≥𝟎
⋮ donde 𝐜 = [𝑐1 𝑐2 … 𝑐𝑛 ]
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚 𝑥1 0 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑏1
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0 𝑥2 0 𝑎 𝑎22 ⋯ 𝑎2𝑛 𝑏
𝐱= ⋮ 𝟎= 𝐀 = 21 𝐛= 2
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
𝑥𝑛 0 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑏𝑚
La Tabla Simplex inicial queda así:

Todas las variables Todas las variables

Básicas 𝑍 Solución Básicas 𝑍 Solución
Variables originales Variables de holgura Originales Holguras

𝑍 1 −𝑐1 − 𝑐2 … − 𝑐𝑛 0 0 … 0 0 𝑍 1 −𝐜 𝟎 0
0 𝑎11 𝑎12 ⋯ 𝑎1𝑛 1 0 ⋯ 0 𝑏1 𝐱𝐡 𝟎 𝐀 𝐈 𝐛
de holgura
Variables

0 𝑎21 𝑎22 ⋯ 𝑎2𝑛 0 1 ⋯ 0 𝑏2

⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮
0 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 0 0 ⋯ 1 𝑏𝑚
Forma matricial del Método Simplex
El Método Simplex se puede enunciar con operaciones matriciales (aunque no lo desarrollaremos).
Solamente nos interesará la Tabla Simplex Final:
Todas las variables Todas las variables
Básicas 𝑍 Solución Iteraciones del Básicas 𝑍 Solución
Originales Holguras Método Simplex Originales Holguras

𝑍 1 −𝐜 𝟎 0 𝑍 1 𝐲∗𝐀 − 𝐜 𝐲∗ 𝐲∗𝐛
𝐱𝐡 𝟎 𝐀 𝐈 𝐛 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
Tabla Simplex inicial Tabla Simplex final

Podemos notar que la Tabla Simplex final

queda en términos de las matrices 𝐲 ∗ y 𝐒 ∗ ,
es decir, si se conocen estas matrices, se
conocerán los demás valores de la tabla.
∗ ] contiene los números 𝑦 ∗ llamados
La matriz 𝐲 ∗ = [𝑦1∗ , 𝑦2∗ , … , 𝑦𝑚 𝑖
precios sombra (o precios duales) que detallaremos más adelante.
Forma matricial del Método Simplex
Ejemplo: Consideremos el problema de Wyndor Glass en forma matricial
Forma Estándar Forma Matricial
Maximizar 𝑍 = 3𝑥1 + 5𝑥2 Maximizar 𝑍 = 𝐜𝐱
Sujeta a Sujeta a Parámetros
del problema
𝑥1 ≤4 𝐀𝐱 ≤ 𝐛
2𝑥2 ≤ 12 𝐱≥𝟎 1 0 4
𝑥1 0
3𝑥1 + 2𝑥2 ≤ 18 donde 𝐱= 𝑥 𝟎= 𝐀= 0 2 𝐛 = 12 𝐜 = [3 5]
2 0 18
𝑥1 ≥ 0, 𝑥2 ≥ 0 3 2
Tabla Simplex inicial Tabla Simplex final
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución

𝑍 1 −3 − 5 0 0 0 0 𝑍 1 0 0 0 3/2 1 36
Iteraciones del
𝑥3 0 1 0 1 0 0 4 Método Simplex 𝑥3 0 0 0 1 1/3 −1/3 2
𝑥4 0 0 2 0 1 0 12 𝑥2 0 0 1 0 1/2 0 6
𝑥5 0 3 2 0 0 1 18 𝑥1 0 1 0 0 −1/3 1/3 2
Básicas 𝑍 originales holguras Solución Básicas 𝑍 originales holguras Solución

𝑍 1 −𝐜 𝟎 0 𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
𝐱𝐡 𝟎 𝐀 𝐈 𝐛 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
 Forma matricial del Método Simplex
Tabla
Básicas 𝑍 originales holguras Solución
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución Simplex final
𝑍 1 0 0 0 3/2 1 36 𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
𝑥3 0 0 0 1 1/3 −1/3 2 𝐱′ 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝑥2 𝟎
0 0 1 0 1/2 0 6
𝑥1 0 1 0 0 −1/3 1/3 2
1 1/3 −1/3
∗
En la Tabla Simplex final observamos que: 𝐲 = [0 3/2 1] 𝐒 ∗ = 0 1/2 0
0 −1/3 1/3
Se puede comprobar que al hacer las operaciones indicadas con 𝐲 ∗ y 𝐒 ∗ obtenemos los bloques
correspondientes de la tabla simplex final:
1 0 4
∗
𝐲 𝐀 − 𝐜 = 0 3/2 1 0 2 − 3 5 = 0 0 𝐲 ∗ 𝐛 = 0 3/2 1 12 = [36]
3 2 18
1 1/3 −1/3 1 0 0 0 1 1/3 −1/3 4 2
𝐒∗𝐀 = 0 1/2 0 0 2 = 0 1 𝐒∗ 𝐛 = 0 1/2 0 12 = 6
0 −1/3 1/3 3 2 1 0 0 −1/3 1/3 18 2
Precios sombra
Todas las variables Todas las variables
Básicas 𝑍 Solución Iteraciones del Básicas 𝑍 Solución
Originales Holguras Método Simplex Originales Holguras

𝑍 1 −𝐜 𝟎 0 𝑍 1 𝐲∗𝐀 − 𝐜 𝐲∗ 𝐲∗𝐛
𝐱𝐡 𝟎 𝐀 𝐈 𝐛 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
Tabla Simplex inicial Tabla Simplex final

En la Tabla Simplex final de un problema de PL, los números 𝑦𝑖∗ de la matriz 𝐲 ∗

se llaman precios sombra (o precios duales) y su aplicación es la siguiente:

El precio sombra 𝑦𝑖∗ del recurso 𝑖 mide la tasa a la que 𝑍 puede aumentar si se incrementa (un poco) la
cantidad 𝑏𝑖 disponible de dicho recurso.

Esta tasa de aumento para el valor óptimo de 𝑍 solo se cumplirá para cierto rango de valores
de 𝑏𝑖
Precios sombra
Ejemplo: En el problema de Wyndor Glass
Tabla
Básicas 𝑍 originales holguras Solución
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución Simplex final
𝑍 1 0 0 0 3/2 1 36 𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
𝑥3 0 0 0 1 1/3 −1/3 2 𝐱′ 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝑥2 𝟎
0 0 1 0 1/2 0 6
𝑥1 0 1 0 0 −1/3 1/3 2 Precios sombra: 𝐲 ∗ = [0 3/2 1]
4 Cantidad de horas disponibles en la Planta 1
Recordemos que los recursos son: 𝐛 = 12 Cantidad de horas disponibles en la Planta 2
18 Cantidad de horas disponibles en la Planta 3

El precio sombra 𝑦1∗ = 0 del recurso 1 (horas disponibles en Planta 1) es la tasa a la que 𝑍 aumenta si se
incrementa la cantidad 𝑏1 = 4 (cantidad de horas disponibles en la Planta 1).
Si se incrementa 𝑏1 = 4, la ganancia 𝑍 aumentará a una tasa de 0 (miles de dólares por hora).
El precio sombra 𝑦2∗ = 1.5 del recurso 2 (horas disponibles en Planta 2) es la tasa a la que 𝑍 aumenta si se
incrementa la cantidad 𝑏2 = 12 (cantidad de horas disponibles en la Planta 2).
Si se incrementa 𝑏2 = 12, la ganancia 𝑍 aumentará a una tasa de 1.5 (miles de dólares por hora).
El precio sombra 𝑦3∗ = 1 del recurso 3 (horas disponibles en Planta 3) es la tasa a la que 𝑍 aumenta si se
incrementa la cantidad 𝑏3 = 18 (cantidad de horas disponibles en la Planta 3).
Si se incrementa 𝑏3 = 18, la ganancia 𝑍 aumentará a una tasa de 1 (miles de dólares por hora).
 Precios sombra
Veamos el precio sombra 𝑦1∗ = 0 más a fondo. Recordemos el problema de Wyndor Glass.
𝑥: Lotes del producto A 𝑦 𝑦
aumento de 𝑏1
𝑦: Lotes del producto B 8 8
Dirección de Dirección de
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4 ¿Qué pasa si 𝑏1 = 4
2𝑦 ≤ 12 aumenta?
4
4
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0
2 2
Solución óptima:
𝑥=2
𝑥 𝑥
𝑦 = 6 𝑍 = 36 2 4 6 2 4 6

Si 𝑏1 aumenta, el punto óptimo (2,6) permanece igual, y por tanto 𝑍 = 36 permanece igual. Coincide con la interpretación
del precio sombra 𝑦1∗ = 0
 Precios sombra
Veamos el precio sombra 𝑦2∗ = 1.5 más a fondo.
𝑥: Lotes del producto A 𝑦 𝑦 de 𝑏2
aumento

𝑦: Lotes del producto B 8 8

Dirección de Dirección de
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4
2𝑦 ≤ 12 ¿Qué pasa si 𝑏2 = 12
aumenta? 4 4
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0
2 2
Solución óptima:
𝑥=2
𝑥 𝑥
𝑦 = 6 𝑍 = 36 2 4 6 2 4 6

Si 𝑏2 aumenta, el punto óptimo (2,6) se mueve, y al ver la dirección de Coincide con la interpretación del
crecimiento, notamos que 𝑍 = aumentará. precio sombra 𝑦2∗ = 1.5
 Precios sombra
Veamos el precio sombra 𝑦3∗ = 1 más a fondo.
aumento de 𝑏3
𝑥: Lotes del producto A 𝑦 𝑦
𝑦: Lotes del producto B 8 8
Dirección de Dirección de
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4
2𝑦 ≤ 12 4
4
3𝑥 + 2𝑦 ≤ 18 ¿Qué pasa si 𝑏3 = 18
aumenta?
𝑥 ≥ 0, 𝑦 ≥ 0
2 2
Solución óptima:
𝑥=2
𝑥 𝑥
𝑦 = 6 𝑍 = 36 2 4 6 2 4 6

Si 𝑏3 aumenta, el punto óptimo (2,6) se mueve, y al ver la dirección de Coincide con la interpretación del
crecimiento, notamos que 𝑍 = aumentará. precio sombra 𝑦3∗ = 1
Precios sombra
Específicamente, ¿qué pasaría si en el problema de Wyndor Glass cambiamos 𝑏2 de 12 a 15?
1 0 4
Los parámetros originalmente eran: 𝐀 = 0 2 𝐛 = 12 𝐜 = [3 5]
4 3 2 18
Ahora 𝐛 = 15
18 1 1/3 −1/3
Si el cambio es pequeño, se mantendrán: 𝐲 ∗ = [0 3/2 1] 𝐒 ∗ = 0 1/2 0
0 −1/3 1/3
Y la Tabla Simplex final del nuevo problema sería:
4
Básicas 𝑍 originales holguras Solución 𝐲∗𝐛 = 0 3/2 1 15 = [40.5]
18
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
1 1/3 −1/3 4 3
𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛 𝐒∗𝐛 = 0 1/2 0 15 = 7.5
0 −1/3 1/3 18 1
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución

𝑍 1 0 0 0 3/2 1 40.5 Nueva solución óptima: Coincide con la interpretación del precio
𝑥3 0 0 0 1 1/3 −1/3 3 𝑥=1 sombra 𝑦2∗ = 1.5
𝑥2 0 0 1 0 1/2 0 7.5 𝑍 = 40.5 𝑏2 aumentó 3 unidades. Entonces 𝑍 aumentó
𝑦 = 7.5
𝑥1 0 1 0 0 −1/3 1/3 1 3(1.5)=4.5
(Recordar que 𝑍 era 36 originalmente)
Precios sombra
Gráficamente, el cambio en 𝑏2 de 12 a 15 se ve así:
𝑥: Lotes del producto A 𝑦 𝑦
𝑦: Lotes del producto B 8 8
Dirección de Dirección de 2𝑦 = 15
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4
2𝑦 ≤ 12 15 4
4
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0
2 2

𝑥 𝑥
2 4 6 2 4 6

Solución óptima original: Nueva solución óptima:

𝑥=2 𝑍 = 36 𝑥=1
𝑦=6 𝑦 = 7.5 𝑍 = 40.5
Precios sombra
Ahora, ¿qué pasaría si en el problema de Wyndor Glass cambiamos 𝑏2 de 12 a 24?
1 0 4
Los parámetros originalmente eran: 𝐀 = 0 2 𝐛 = 12 𝐜 = [3 5]
4 3 2 18
Ahora 𝐛 = 24
18 1 1/3 −1/3
Si el cambio es pequeño, se mantendrán: 𝐲 ∗ = [0 3/2 1] 𝐒 ∗ = 0 1/2 0
0 −1/3 1/3
Y la Tabla Simplex final del nuevo problema sería:
4
Básicas 𝑍 originales holguras Solución 𝐲∗𝐛 = 0 3/2 1 24 = [54]
18
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
1 1/3 −1/3 4 6
𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛 𝐒∗𝐛 = 0 1/2 0 15 = 12
0 −1/3 1/3 18 −2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución

𝑍 1 0 0 0 3/2 1 54
La solución que arroja la tabla (−2,12) no es factible.
𝑥3 0 0 0 1 1/3 −1/3 6 (𝑥1 no puede ser -2 pues violaría las restricciones de no negatividad).
𝑥2 0 0 1 0 1/2 0 12 Hemos llegado a una Tabla imposible de obtener en el Método Simplex.
𝑥1 0 1 0 0 −1/3 1/3 −2 El cambio en 𝑏2 fue muy grande.
 𝑦
2𝑦 = 24
Precios sombra 12

Gráficamente, el cambio en 𝑏2 de 12 a 24 se ve así: 10

𝑥: Lotes del producto A 𝑦
𝑦: Lotes del producto B 8 8
Dirección de Dirección de
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4
2𝑦 ≤ 12 24 4
4
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0
2 2

𝑥 𝑥
2 4 6 −2 2 4 6

Solución óptima original: Nueva solución óptima:

𝑥=2 𝑍 = 36 𝑥 = −2
𝑦=6 𝑦 = 12 𝑍 = 54
NO ES FACTIBLE
Intervalo permisible para 𝑏𝑖
Podemos preguntarnos, ¿qué rango de valores puede tomar 𝑏2 de modo que
obtengamos una Tabla Simplex final que muestre una solución factible? Básicas 𝑍 originales holguras Solución
Ese rango de valores se llamará intervalo permisible para 𝑏2 .
Notamos que al cambiar el valor de 𝑏2 , lo único que cambia en la Tabla 𝑍 1 𝐲 ∗𝐀 − 𝐜 𝐲∗ 𝐲∗𝐛
Simplex final es el lado derecho, por lo cual, lo único que podría cambiar 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
es el valor final de 𝑍 y la factibilidad de la nueva solución, es decir:
• Si 𝐒 ∗ 𝐛 tiene algún valor negativo, la nueva solución no sería factible.
• Si todos los valores de 𝐒 ∗ 𝐛 son ≥ 0, la nueva solución sería factible, y también óptima
(pues la optimalidad depende de la primera fila, la cual no cambió).
Supongamos que 𝑏2 = 𝑡 donde 𝑡 ≥ 0 (pues es un recurso). Entonces −2 + 3
𝑡
4 1 1/3 −1/3 4
3𝑡 𝑡
𝐲 ∗ 𝐛 = 0 3/2 1 𝑡 = 18 + 2 𝐒 ∗ 𝐛 = 0 1/2 0 𝑡 = 2
18 0 −1/3 1/3 18 𝑡
6−3
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución
3𝑡
𝑍 1 0 0 0 3/2 1 18 +
2 𝑡 Intervalo permisible para 𝑏2
−2 + 3 ≥ 0 𝑡≥6 Si 𝑏2 = 𝑡, la nueva solución es:
𝑥3 0 0 0 1 1/3 −1/3 −2 + 3
𝑡
𝑡
𝑡 𝑡 ∈ [6,18] 𝑥1 = 6 −
𝑥2 0 0 1 0 1/2 0 𝑡/2 ≥0 𝑡≥0 3
𝑍 = 18 +
3𝑡
2 𝑡
𝑥1 𝑥2 = 2
0 1 0 0 −1/3 1/3 6 − 3𝑡 𝑡 2
6−3≥0 18 ≥ 𝑡 (factible y óptima)
 Intervalo permisible para 𝑏𝑖
Gráficamente, el intervalo permisible para 𝑏2 se ve así:
𝑥: Lotes del producto A 𝑦
2𝑦 = 24
𝑦: Lotes del producto B 12
𝑍: Ganancia (en miles de dólares).
Maximizar 𝑍 = 3𝑥 + 5𝑦 10
Sujeta a: 𝑏2 = 𝑡 = 18
𝑥 ≤4 8 Dirección de
2𝑦 ≤ 𝑡 ∈ [6,18] crecimiento
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0 6 𝑏2 = 𝑡 = 12 intervalo permisible para 𝑏2
[6,18]
Nueva solución óptima:
𝑡
𝑥 = 6− 4
3 3
𝑡 𝑍 = 18 + 𝑡 𝑏2 = 𝑡 = 6
𝑦=2 2
2
Notar que coincide con la interpretación del
precio sombra 𝑦2∗ = 1.5
𝑥
−2 2 4 6
Intervalo permisible para 𝑏𝑖
Ahora hallemos el intervalo permisible para 𝑏1 , es decir, el Básicas 𝑍 originales holguras Solución
rango de valores puede tomar 𝑏1 de modo que obtengamos ∗ 𝐲∗
𝑍 1 𝐲 𝐀−𝐜 𝐲∗𝐛
una Tabla Simplex final que muestre una solución factible (y
por tanto óptima). 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
Supongamos que 𝑏1 = 𝑡 donde 𝑡 ≥ 0 (pues es un recurso). Entonces
𝑡 1 1/3 −1/3 𝑡 𝑡−2
𝐲∗𝐛 = 0 3/2 1 12 = 36 𝐒 ∗ 𝐛 = 0 1/2 0 12 = 6
18 0 −1/3 1/3 18 2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución

𝑍 1 0 0 0 3/2 1 36 Intervalo permisible para 𝑏1

𝑡−2≥0 𝑡≥2
𝑥3 Si 𝑏1 = 𝑡, la nueva solución es:
0 0 0 1 1/3 −1/3 𝑡−2
𝑥2 6≥0 𝑡 ∈ [2, ∞) 𝑥1 = 2
0 0 1 0 1/2 0 6 𝑍 = 36
𝑥1 0 1 0 0 −1/3 1/3 2 𝑥2 = 6
2≥0
(factible y óptima)
 Intervalo permisible para 𝑏𝑖 intervalo permisible para 𝑏1
Gráficamente, el intervalo permisible para 𝑏1 se ve así: [2, ∞)

𝑥: Lotes del producto A

𝑦: Lotes del producto B

𝑏1 = 𝑡 = 2

𝑏1 = 𝑡 = 4
𝑍: Ganancia (en miles de dólares).
Maximizar 𝑍 = 3𝑥 + 5𝑦
Sujeta a: 𝑦
𝑥 ≤ 𝑡 ∈ [2, ∞)
8
2𝑦 ≤ 12 Dirección de
3𝑥 + 2𝑦 ≤ 18 crecimiento

𝑥 ≥ 0, 𝑦 ≥ 0 6 2𝑦 = 12

Nueva solución óptima:

𝑥=2
4
𝑦=6 𝑍 = 36

2
Notar que coincide con la interpretación del
precio sombra 𝑦1∗ = 0
(𝑍 no cambia)

6 𝑥
2 4
Intervalo permisible para 𝑏𝑖
Ahora hallemos el intervalo permisible para 𝑏3 , es decir, el Básicas 𝑍 originales holguras Solución
rango de valores puede tomar 𝑏3 de modo que obtengamos
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
una Tabla Simplex final que muestre una solución factible (y
por tanto óptima). 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
Supongamos que 𝑏3 = 𝑡 donde 𝑡 ≥ 0 (pues es un recurso). Entonces
𝑡
4 1 1/3 −1/3 4 8−3
∗
𝐲 𝐛 = 0 3/2 1 12 = 18 + 𝑡 𝐒 ∗ 𝐛 = 0 1/2 0 12 = 6
𝑡 0 −1/3 1/3 𝑡 𝑡
−4 + 3
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución

𝑍 1 0 0 0 3/2 1 18 + 𝑡 𝑡 Intervalo permisible para 𝑏3

8− ≥0 24 ≥ 𝑡 Si 𝑏3 = 𝑡, la nueva solución es:
𝑥3 0 0 0 1 1/3 −1/3 8 − 3
𝑡 3
𝑡
𝑥2 0 0 1 0 1/2 0 6 6≥0 𝑡 ∈ [12,24] 𝑥1 = −4 +
3 𝑍 = 18 + 𝑡
𝑥1 0 1 0 0 −1/3 1/3 −4 + 3𝑡 𝑡 𝑥2 = 6
−4 + ≥ 0 𝑡 ≥ 12 (factible y óptima)
3
 𝑏3 = 𝑡 = 24
Intervalo permisible para 𝑏𝑖
Gráficamente, el intervalo permisible para 𝑏3 se ve así:
𝑥: Lotes del producto A intervalo permisible para 𝑏3 𝑏3 = 𝑡 = 18
𝑦: Lotes del producto B [12,24] 12
𝑍: Ganancia (en miles de dólares).
Maximizar 𝑍 = 3𝑥 + 5𝑦 10
𝑏3 = 𝑡 = 12
Sujeta a:
𝑥 ≤4
2𝑦 ≤ 12 8 Dirección de
3𝑥 + 2𝑦 ≤ 𝑡 ∈ [12,24] crecimiento
𝑥 ≥ 0, 𝑦 ≥ 0 2𝑦 = 12
6
Nueva solución óptima:
𝑡
𝑥 = −4 +
3 𝑍 = 18 + 𝑡 4
𝑦=6

Notar que coincide con la interpretación del 2

precio sombra 𝑦3∗ = 1

−2 2 4 6
 Ejemplo de cambio en 𝑐1
Ahora, ¿qué pasaría si en el problema de Wyndor Glass cambiamos 𝑐1 de 3 a 5?
1 0 4
Los parámetros originalmente eran: 𝐀 = 0 2 𝐛 = 12 𝐜 = [3 5]
Ahora 𝐜 = [5 5] 3 2 18
1 1/3 −1/3
Si el cambio es pequeño, se mantendrán: 𝐲 ∗ = [0 3/2 1] 𝐒 ∗ = 0 1/2 0
0 −1/3 1/3
Básicas 𝑍 originales holguras Solución
1 0
𝑍 1 𝐲∗𝐀 −𝐜 𝐲∗ 𝐲∗𝐛 𝐲 ∗ 𝐀 − 𝐜 = 0 3/2 1 0 2 − 5 5 = −2 0
𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛 3 2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución Observamos que la Tabla no tiene la forma apropiada (la columna de la
variable básica 𝑥1 debería tener ceros y un 1).
𝑍 1 −2 0 0 3/2 1 36 Esta tabla NO SIRVE PARA INTERPRETARSE.
𝑥3 0 0 0 1 1/3 −1/3 2 Esto se puede arreglar con operaciones elementales:
𝑥2 0 0 1 0 1/2 0 6 Multiplicar la última fila por 2 y sumarla a la primera fila.
𝑥1
Básicas 0𝑍 1 0 0 −1/3 1/3 Solución
2
𝑍 1 0 0 0 5/6 5/3 40 Observamos que esta última Tabla ya tiene la forma apropiada.
Esta tabla YA SIRVE PARA INTERPRETARSE e indica que la nueva solución es:
𝑥3 0 0 0 1 1/3 −1/3 2 𝑥1 = 2
𝑥2 0 0 1 0 1/2 0 6 𝑥2 = 6 𝑍 = 40
𝑥1 0 1 0 0 −1/3 1/3 2 Es factible y óptima
Ejemplo de cambio en 𝑐1
Gráficamente, el cambio en 𝑐1 de 3 a 5 se ve así:
𝑥: Lotes del producto A 𝑦 𝑦
𝑦: Lotes del producto B 8 8
Dirección de Dirección de
𝑍: Ganancia (en miles de dólares). crecimiento crecimiento
Maximizar 𝑍 = 3𝑥 + 5𝑦 2𝑦 = 12 2𝑦 = 12
6 6
Sujeta a:
𝑥 ≤4 5
2𝑦 ≤ 12
4 4
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0
2 2

𝑥 𝑥
2 4 6 2 4 6

Solución óptima original: Nueva solución óptima:

𝑥=2 𝑥=2
𝑍 = 36 𝑍 = 40
𝑦=6 𝑦=6
 Ejemplo de cambio en 𝑐1
Ahora, ¿qué pasaría si en el problema de Wyndor Glass cambiamos 𝑐1 de 3 a 8?
1 0 4
Los parámetros originalmente eran: 𝐀 = 0 2 𝐛 = 12 𝐜 = [3 5]
Ahora 𝐜 = [8 5] 3 2 18
1 1/3 −1/3
Si el cambio es pequeño, se mantendrán: 𝐲 ∗ = [0 3/2 1] 𝐒 ∗ = 0 1/2 0
0 −1/3 1/3
Básicas 𝑍 originales holguras Solución
1 0
𝑍 1 𝐲∗𝐀 −𝐜 𝐲∗ 𝐲∗𝐛 𝐲 ∗ 𝐀 − 𝐜 = 0 3/2 1 0 2 − 5 5 = −5 0
𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛 3 2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución
Observamos que la Tabla no tiene la forma apropiada (la columna de la
𝑍 1 −5 0 0 3/2 1 36 variable básica 𝑥1 debería tener ceros y un 1).
𝑥3 0 0 0 2 Esta tabla NO SIRVE PARA INTERPRETARSE.
1 1/3 −1/3
𝑥2 0 0 Esto se puede arreglar con operaciones elementales:
1 0 1/2 0 6
Multiplicar la última fila por 5 y sumarla a la primera fila.
𝑥1
Básicas 0𝑍 1 0 0 −1/3 1/3 Solución
2
𝑍 0 −1/6 2/3 46 Observamos que esta última Tabla ya tiene la forma apropiada.
1 0 0
Esta tabla YA SIRVE PARA INTERPRETARSE e indica que:
𝑥3 0 0 0 1 1/3 −1/3 2 La solución actual (2,6) con 𝒁 = 𝟒𝟔 no es óptima.
𝑥2 0 0 1 0 1/2 0 6 Para hallar la nueva solución óptima deberíamos continuar con las
𝑥1 0 1 0 0 −1/3 1/3 2 iteraciones del Método Simplex.
 Ejemplo de cambio en 𝑐1
Gráficamente, el cambio en 𝑐1 de 3 a 8 se ve así: 𝑦 𝑦
𝑥: Lotes del producto A 8 Dirección de
8 Dirección de
𝑦: Lotes del producto B crecimiento crecimiento
𝑍: Ganancia (en miles de dólares). 2𝑦 = 12 2𝑦 = 12
6 6
Maximizar 𝑍 = 3𝑥 + 5𝑦
Sujeta a:
𝑥 ≤4 8 4 4
2𝑦 ≤ 12
3𝑥 + 2𝑦 ≤ 18
𝑥 ≥ 0, 𝑦 ≥ 0 2 2

𝑥 𝑥
2 4 6 2 4 6
Iteración que faltó Solución óptima original: solución actual (no óptima):
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución 𝑥=2 𝑥=2
𝑍 = 36 𝑍 = 40
𝑍 1 0 0 1/2 0 1/2 47 𝑦=6 𝑦=6
𝑥4 0 0 0 3 1 −1 6 solución óptima (después de 1 iteración más):
𝑥2 0 0 1 −3/2 0 1/2 3 𝑥=4
𝑍 = 47
𝑥1 0 1 0 1 0 0 4 𝑦=3
 Intervalo permisible para 𝑐𝑖 Básicas 𝑍 originales holguras Solución

Podemos preguntarnos, ¿qué rango de valores puede tomar 𝑐1 de 𝑍

∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
modo que la solución de la Tabla Simplex final siga siendo óptima?
𝐱′ 𝟎 𝐒 ∗
𝐀 𝐒 ∗ 𝐒∗ 𝐛
Ese rango de valores se llamará intervalo permisible para 𝑐1 .
Notamos que al cambiar el valor de 𝑐1 , lo único que cambia en la Tabla Simplex final es un bloque de la primera
fila y la nueva Tabla ya no tendría la forma adecuada (y NO SERVIRÍA PARA INTERPRETARLA). Luego de llevarla a la
forma adecuada mediante operaciones elementales YA PODRÍAMOS INTERPRETARLA y podrían suceder 2 cosas:
• Si la solución permaneció óptima, hallar su nuevo valor de 𝑍.
• Si la solución no es óptima, podríamos continuar con las iteraciones hasta hallar la óptima.
1 0
Supongamos que 𝑐1 = 𝑡. Entonces 𝐲 ∗ 𝐀 − 𝐜 = 0 3/2 1 0 2 − 𝑡 5 = 3 − 𝑡 0
3 2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución
Observamos que la Tabla no tiene la forma apropiada (la columna de la
𝑍 1 3−𝑡 0 0 3/2 1 36 variable básica 𝑥1 debería tener ceros y un 1).
𝑥3 0 0 0 1 1/3 −1/3 2 Esta tabla NO SIRVE PARA INTERPRETARSE.
𝑥2 0 0 1 0 1/2 0 6 Esto se puede arreglar con operaciones elementales:
𝑥1 0𝑍 1
Básicas 0 0 −1/3 1/3 Solución 2 Multiplicar la última fila por (𝑡 − 3) y sumarla a la primera fila.
5 𝑡 𝑡
𝑍 1 0 0 0 2−3 3
30 + 2𝑡 Observamos que esta última Tabla ya tiene la forma apropiada.
𝑥3 0 0 0 1 1/3 −1/3 2 Esta tabla YA SIRVE PARA INTERPRETARSE e indica que:
5 𝑡 𝑡
𝑥2 0 0 1 0 1/2 0 6 La solución actual (2,6) con 𝒁 = 𝟑𝟎 + 𝟐𝒕 será óptima si − ≥ 0 y ≥ 0
2 3 3
𝑥1 0 1 0 0 −1/3 1/3 2 Para ello debe cumplirse que 𝑡 ≤ 7.5 y 𝑡 ≥ 0 es decir 𝑡 ∈ 0, 7.5
Intervalo permisible para 𝑐𝑖
Gráficamente, el intervalo permisible para 𝑐1 se ve así:
𝑥: Lotes del producto A intervalo permisible para 𝑐1
𝑦: Lotes del producto B [0, 7.5]

𝑍: Ganancia (en miles de dólares).

𝑦
Maximizar 𝑍 = 𝑡𝑥 + 5𝑦 8
𝑐1 = 𝑡 = 0
Sujeta a: 𝑐1 = 𝑡 = 3
𝑡 ∈ 0, 7.5
𝑥 ≤4
2𝑦 ≤ 12 6
3𝑥 + 2𝑦 ≤ 18 𝑐1 = 𝑡 = 7.5

𝑥 ≥ 0, 𝑦 ≥ 0
4 𝑡
Nueva solución óptima: Si c1 = 𝑡 ∈ [0,7.5] la pendiente 𝑚 = − 5
𝑥=2 de las rectas objetivo (𝑡𝑥 + 5𝑦 = 𝑘)
𝑍 = 30 + 2𝑡 2 𝑚=0
𝑦=6 será un valor entre −1.5 y 0.
Es la misma solución que la original,
se mantiene siendo óptima, lo que
cambia es el valor de 𝑍. 𝑥 Pendiente de 3𝑥 + 2𝑦 = 18 Pendiente de 2𝑦 = 12
2 4 6
*Esto garantiza que el vértice (2,6) sea óptimo.
 Intervalo permisible para 𝑐𝑖 Básicas 𝑍 originales holguras Solución
Ahora, ¿qué rango de valores puede tomar 𝑐2 de modo que la ∗ 𝐲∗ 𝐲∗𝐛
𝑍 1 𝐲 𝐀−𝐜
solución de la Tabla Simplex final siga siendo óptima?
Ese rango de valores es el intervalo permisible para 𝑐2 . 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
Al cambiar el valor de 𝑐2 , lo único que cambia en la Tabla Simplex final es un bloque de la primera fila y la nueva
Tabla ya no tendría la forma adecuada (y NO SERVIRÍA PARA INTERPRETARLA). Luego de llevarla a la forma
adecuada mediante operaciones elementales YA PODRÍAMOS INTERPRETARLA y podrían suceder 2 cosas:
• Si la solución permaneció óptima, hallar su nuevo valor de 𝑍.
• Si la solución no es óptima, podríamos continuar con las iteraciones hasta hallar la óptima.
1 0
Supongamos que 𝑐2 = 𝑡. Entonces 𝐲 ∗ 𝐀 − 𝐜 = 0 3/2 1 0 2 − 3 𝑡 = 0 5 − 𝑡
3 2
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 Solución
Observamos que la Tabla no tiene la forma apropiada (la columna de la
𝑍 1 0 5−𝑡 0 3/2 1 36 variable básica 𝑥1 debería tener ceros y un 1).
𝑥3 0 0 0 1 1/3 −1/3 2 Esta tabla NO SIRVE PARA INTERPRETARSE.
𝑥2 0 0 1 0 1/2 0 6 Esto se puede arreglar con operaciones elementales:
𝑥1 0𝑍 1
Básicas 0 0 −1/3 1/3 Solución 2 Multiplicar la última fila por (𝑡 − 5) y sumarla a la primera fila.
𝑡
𝑍 1 0 0 0 2−1 1 6 + 6𝑡 Observamos que esta última Tabla ya tiene la forma apropiada.
𝑥3 0 0 0 1 1/3 −1/3 2 Esta tabla YA SIRVE PARA INTERPRETARSE e indica que:
𝑡
𝑥2 0 0 1 0 1/2 0 6 La solución actual (2,6) con 𝒁 = 𝟔 + 𝟔𝒕 será óptima si − 1 ≥ 0
2
𝑥1 0 1 0 0 −1/3 1/3 2 Para ello debe cumplirse que 𝑡 ≥ 2 , es decir 𝑡 ∈ [2, ∞)
Intervalo permisible para 𝑐𝑖
Gráficamente, el intervalo permisible para 𝑐2 se ve así:
𝑥: Lotes del producto A intervalo permisible para 𝑐2
𝑦: Lotes del producto B [2, ∞)

𝑍: Ganancia (en miles de dólares).

𝑦
Maximizar 𝑍 = 3𝑥 + 𝑡𝑦 8
𝑐2 = 𝑡 → ∞
Sujeta a: 𝑐2 = 𝑡 = 5
𝑥 ≤4 𝑡 ∈ [2, ∞)
2𝑦 ≤ 12 6
3𝑥 + 2𝑦 ≤ 18 𝑐2 = 𝑡 = 2

𝑥 ≥ 0, 𝑦 ≥ 0
4
Nueva solución óptima:
𝑥=2 3
𝑍 = 6 + 6𝑡 2 𝑚→0 Si c2 = 𝑡 ∈ [2, ∞) la pendiente 𝑚 = − 𝑡
𝑦=6
Es la misma solución que la original, de las rectas objetivo (3𝑥 + 𝑡𝑦 = 𝑘)
se mantiene siendo óptima, lo que será un valor entre −1.5 y 0.
cambia es el valor de 𝑍. 𝑥
2 4 6
Pendiente de 3𝑥 + 2𝑦 = 18 Pendiente de 2𝑦 = 12

*Esto garantiza que el vértice (2,6) sea óptimo.

 Intervalos permisibles
Ejemplo: Analicemos los precios sombra y hallemos los intervalos permisibles para los
parámetros 𝑏𝑖 y 𝑐𝑖 del problema de Reddy Mikks.
Retomemos el modelo y la Tabla Simplex final:
Tabla Simplex final
𝑥: Toneladas de pintura para exteriores
𝑦: Toneladas de pintura para interiores Básicas 𝑍 𝑥1 𝑥𝑥2 2 𝑥3 𝑥4 𝑥5 𝑥6 Solución

𝑍: Utilidad (en miles de dólares). 𝑍 1 0 0 3/4 1/2 0 0 21

Maximizar 𝑍 = 5𝑥 + 4𝑦 𝑥1 0 1 0 1/4 −1/2 0 0 3
Sujeta a: 𝑥2 0 0 1 −1/8 3/4 0 0 3/2
6𝑥 + 4𝑦 ≤ 24 𝑥5 0 0 0 3/8 −5/4 1 0 5/2
𝑥 + 2𝑦 ≤ 6
𝑦−𝑥 ≤1 𝑥6 0 0 0 1/8 −3/4 0 1 1/2
𝑦≤2
La solución óptima es 𝑥1 = 3, 𝑥2 = 3/2 con 𝑍 = 21.
𝑥 ≥ 0, 𝑦 ≥ 0
6 4 24 𝐜 = [5 4]
𝐀= 1 2
𝐛= 6
Básicas 𝑍 originales holguras Solución
−1 1 1 1/4 −1/2 0 0
0 1 2 𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
−1/8 3/4 0 0
𝐒∗ = 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
3/8 −5/4 1 0
𝐲 ∗ = 3/4 1/2 0 0
1/8 −3/4 0 1
Intervalos permisibles
Hallemos e interpretemos los precios sombra
𝑥: Toneladas de pintura para exteriores Los precios sombra son:
𝑦: Toneladas de pintura para interiores 𝐲 ∗ = 3/4 1/2 0 0
𝑍: Utilidad (en miles de dólares).
Maximizar 𝑍 = 5𝑥 + 4𝑦
Sujeta a:
6𝑥 + 4𝑦 ≤ 24 (Materia prima A disponible, en toneladas)
𝑥 + 2𝑦 ≤ 6 (Materia prima B disponible, en toneladas)
𝑦 − 𝑥 ≤ 1 (Pintura interior no puede exceder la exterior en más de 1 ton.)
𝑦 ≤ 2 (Demanda diaria máxima de pintura interior, en toneladas)
𝑥 ≥ 0, 𝑦 ≥ 0
Al aumentar (un poco) la Materia prima A, la utilidad aumentará a una tasa de 0.75 miles de dólares (por tonelada).

Al aumentar (un poco) la Materia prima B, la utilidad aumentará a una tasa de 0.5 miles de dólares (por tonelada).

Al aumentar (un poco) el límite de la diferencia entre pinturas, la utilidad se mantendrá igual.

Al aumentar (un poco) la demanda diaria de pintura interior, la utilidad se mantendrá igual.
*Un poco se refiere al intervalo permisible del recurso 𝑏𝑖 correspondiente
Intervalos permisibles
Hallemos el intervalo permisible para 𝒃𝟏 Básicas Solución
𝑍 originales holguras
Sea 𝑏1 = 𝑡 ≥ 0. Entonces
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
𝑡
𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝐲 ∗ 𝐛 = 3/4 1/2 0 0 6 =
3𝑡
+3
1 4
2
𝑡
−3 ≥0 𝑡 ≥ 12
4
1/4 −1/2 0 0 𝑡 𝑡 9
−1/8 3/4 0 0 6 = − + ≥0 36 ≥ 𝑡
8 2
𝐒∗𝐛 = 𝑡 ∈ [20,36]
3/8 −5/4 1 0 1 3𝑡
− 2
13
≥0 𝑡≥
52
2 8 3
1/8 −3/4 0 1 𝑡 5
− ≥0 𝑡 ≥ 20
8 2

El intervalo permisible para 𝑏1 es [20,36]

𝑡
𝑥 = 4−3 3𝑡
Si 𝑏1 = 𝑡 ∈ [20,36] la nueva solución óptima es 𝑡 9 con 𝑍 = + 3.
𝑦= −8 + 2
4

Coincide con la interpretación del

precio sombra 𝑦1∗ = 3/4
Intervalos permisibles
Hallemos el intervalo permisible para 𝒃𝟐 Básicas Solución
𝑍 originales holguras
Sea 𝑏2 = 𝑡 ≥ 0. Entonces
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
24 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝐲 ∗ 𝐛 = 3/4 1/2 0 0 𝑡 =
𝑡
+ 18
1 2
2
𝑡
−2+6 ≥0 12 ≥ 𝑡
1/4 −1/2 0 0 24 3𝑡
−1/8 3/4 0 0 𝑡 −3 ≥0 𝑡≥4 20
4
𝐒∗𝐛 = = 5𝑡 𝑡 ∈ 4,
3/8 −5/4 1 0 1 − 4 + 10 ≥ 0 8≥𝑡 3
1/8 −3/4 0 1 2 3𝑡 20
− 4 +5 ≥0 ≥𝑡
3

20
El intervalo permisible para 𝑏2 es 4, 3
𝑡
20
𝑥 = −2 + 6 𝑡
Si 𝑏2 = 𝑡 ∈ 4, la nueva solución óptima es 3𝑡 con 𝑍 = + 18.
3 𝑦= −3 2
4
Coincide con la interpretación del
precio sombra 𝑦2∗ = 1/2
Intervalos permisibles
Hallemos el intervalo permisible para 𝒃𝟑 Básicas Solución
𝑍 originales holguras
Sea 𝑏3 = 𝑡 ≥ 0. Entonces
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
24 𝐱′ 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝟎
𝐲 ∗ 𝐛 = 3/4 1/2 0 0 6 = 21
𝑡
2
3 ≥0
1/4 −1/2 0 0 24 3
2
≥0
−1/8 3/4 0 0 6
𝐒∗𝐛 = = 𝑡+3 3 3
3/8 −5/4 1 0 𝑡 2
≥0 𝑡 ≥ −2 𝑡 ∈ − ,∞ En nuestro caso, 𝑡 ≥ 0 por ser un recurso
1/8 −3/4 0 1 2 1
2 (porque solamente estamos considerando
2
≥0 problemas de PL en forma estándar)

El intervalo permisible para 𝑏3 es 0, ∞

𝑥=3
Si 𝑏3 = 𝑡 ∈ [0, ∞) la nueva solución óptima es 3
con 𝑍 = 21
𝑦= 2
Coincide con la interpretación del
precio sombra 𝑦3∗ = 0
Intervalos permisibles
Hallemos el intervalo permisible para 𝒃𝟒 Básicas Solución
𝑍 originales holguras
Sea 𝑏4 = 𝑡 ≥ 0. Entonces
𝑍
∗
1 𝐲 𝐀−𝐜 𝐲∗ 𝐲∗𝐛
24 𝐱′ 𝟎 𝐒∗ 𝐀 𝐒∗ 𝐒∗ 𝐛
𝐲 ∗ 𝐛 = 3/4 1/2 0 0 6 = 21
1
𝑡
3 ≥0
1/4 −1/2 0 0 24 3
2
≥0
−1/8 3/4 0 0 6
𝐒∗𝐛 = = 5
3/8 −5/4 1 0 1 2
≥0
1/8 −3/4 0 1 𝑡 3 3 3
𝑡−2 ≥0 𝑡≥2 𝑡∈ ,∞
2

3
El intervalo permisible para 𝑏4 es ,∞
2
𝑥=3
3
Si 𝑏4 = 𝑡 ∈ ,∞ la nueva solución óptima es 3 con 𝑍 = 21
2 𝑦=2
Coincide con la interpretación del
precio sombra 𝑦4∗ = 0
Intervalos permisibles
Hallemos el intervalo permisible para 𝒄𝟏 6 4
Sea 𝑐1 = 𝑡. Entonces 𝐲 ∗ 𝐀 − 𝐜 = 3/4 1/2 0 1
0 −1 2 − [𝑡 4] =
1 5−𝑡 0
La Tabla Simplex final queda: 0 1
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 Solución

𝑍 1 5−𝑡 0 3/4 1/2 0 0 21 La Tabla no tiene la forma apropiada.

𝑥1 0 1 0 1/4 −1/2 0 0 3 NO SIRVE PARA INTERPRETARSE.
La llevamos a la forma apropiada.
𝑥2 0 0 1 −1/8 3/4 0 0 3/2
𝑥5 0 0 0 3/8 −5/4 1 0 5/2
Básicas
𝑥6 0 0 0 1/8 −3/4 0 1 Solución
1/2
𝑡 1 𝑡
𝑍 1 0 0 4−2 − +3 0 0 3𝑡 + 6 La Tabla ya tiene la forma apropiada.
2
YA SIRVE PARA INTERPRETARSE
𝑥1 0 1 0 1/4 −1/2 0 0 3
𝑥2 0 0 1 −1/8 3/4 0 0 3/2 𝑡 1
− ≥0 𝑡≥2
4 2
𝑥5 0 0 0 3/8 −5/4 1 0 5/2 𝑡
𝑡 ∈ [2,6]
𝑥6 0 0 0 1/8 −3/4 0 1 1/2 −
2
+3≥0 𝑡≤6

El intervalo permisible para 𝑐1 es [2,6]

Si 𝑐1 = 𝑡 ∈ [2,6] la solución (3,1.5) permanece óptima, con 𝑍 = 3𝑡 + 6
Intervalos permisibles
Hallemos el intervalo permisible para 𝒄𝟐 6 4
Sea 𝑐2 = 𝑡. Entonces 𝐲 ∗ 𝐀 − 𝐜 = 3/4 1/2 0 0 1 2 − [5 𝑡] = 0 4 − 𝑡
−1 1
La Tabla Simplex final queda: 0 1
Básicas 𝑍 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 Solución

𝑍 1 0 4 − 𝑡 3/4 1/2 0 0 21 La Tabla no tiene la forma apropiada.

𝑥1 0 1 0 1/4 −1/2 0 0 3 NO SIRVE PARA INTERPRETARSE.
La llevamos a la forma apropiada.
𝑥2 0 0 1 −1/8 3/4 0 0 3/2
𝑥5 0 0 0 3/8 −5/4 1 0 5/2
Básicas
𝑥6 0 0 0 1/8 −3/4 0 1 Solución
1/2
𝑡 5 3𝑡 5 3𝑡
𝑍 1 0 0 −8 +4 4
−
2 0 0 2
+ 15 La Tabla ya tiene la forma apropiada.
YA SIRVE PARA INTERPRETARSE
𝑥1 0 1 0 1/4 −1/2 0 0 3
𝑥2 0 0 1 −1/8 3/4 0 0 3/2 𝑡
− + ≥0
5
𝑡 ≤ 10
8 4
𝑥5 0 0 0 3/8 −5/4 1 0 5/2 3𝑡 5
10
− ≥0 10 𝑡∈ , 10
𝑥6 0 0 0 1/8 −3/4 0 1 1/2 4 2 𝑡≥ 3
3
10
El intervalo permisible para 𝑐2 es , 10
3
10 3𝑡
Si 𝑐2 = 𝑡 ∈ , 10 la solución (3,1.5) permanece óptima, con 𝑍 = + 15
3 2