TALLER DE INVESTIGACIN DE OPERACIONES

ANLISIS DE SENSIBILIDAD

MIGUEL NGEL IBARRA MONTES

JOS ROBERTO DAZ MERCADO
JAVIER JOS BOLAO CHACN
ERICK JOS ZAPATA ARROYO

MSC. VCTOR VILA DAZ

UNIVERSIDAD DEL ATLNTICO

FACULTAD DE INGENIERA
INGENIERA AGROINDUSTRIAL

2014.

ANLISIS DE SENSIBILIDAD DE LOS COEFICIENTES TECNOLGICOS

Introduccin
La solucin ptima de una programacin lineal de investigacin de operaciones est
fundamentada en una toma de las condiciones que superponen a las otras en el momento
de plantear y resolver el modelo matemtico. En la vida real, los ambientes de decisin
casi nunca permanecen estticos, por lo tanto se hace de gran necesidad saber
determinar cmo cambia la solucin ptima de un problema de programacin lineal
cuando varan algunos parmetros del modelo. Ese es el objetivo del anlisis de
sensibilidad.
Ya, entrando en el tema, los cambios en las variables no bsicas y bsicas se pueden
hacer tanto en la funcin objetivo, como en los coeficientes de las restricciones.
Los coeficientes que se cambian son los de la funcin objetivo, ms que los de las
restricciones, ya que de su valor depende mucho la maximizacin o minimizacin de Z.

Con el desarrollo de este taller se pretenden alcanzar los siguientes objetivos:

Familiarizarse con todos los conceptos concernientes al anlisis de sensibilidad,

con los cuales se sabr lo que pasara con la solucin ptima si se variara una o
varias de las condiciones iniciales.
Analizar y comprender las variaciones en los coeficientes tecnolgicos.

Anlisis de sensibilidad
Concepto:
En forma genrica, este tipo de anlisis busca investigar los efectos producidos por los
cambios del entorno sobre el sistema [1].
Desde el punto de vista de la programacin lineal, el anlisis de sensibilidad, llamado
tambin anlisis paramtrico, es un mtodo que permite investigar los efectos producidos
por los cambios en los valores de los diferentes parmetros sobre la solucin ptima. Es
necesario no perder de vista que los cambios en la solucin del primal repercuten
automticamente en la solucin de su modelo dual. Por lo tanto, debe elegirse qu
modelo (primal o dual) se va a utilizar los efectos, gracias a las relaciones primal-duales.
Dado que los parmetros que se muestran en el modelo utilizan valores estimados
basados en una prediccin de las condiciones futuras, los datos obtenidos para
desarrollar estas estimaciones son bastante imperfectos; por esto pueden tomar otros
valores posibles. De ah la importancia de este anlisis [2].
El anlisis de sensibilidad es una herramienta efectiva, por dos razones fundamentales:
Primera: Los modelos de programacin lineal son con frecuencia grandes y
costosos; por lo tanto no es recomendable usarlos para un solo caso.
Segunda: Los elementos que se dan como datos para un problema de
programacin lineal, la mayora de las veces son estimaciones; por lo tanto es
necesario investigar o tener ms en cuenta ms de un conjunto de casos posibles
En cuanto al anlisis de sensibilidad aplicado a los coeficientes tecnolgicos primero que
todo debe definirse lo que son los coeficientes tecnolgicos, estos se definen como
aquellos coeficientes que afectan a las variables de las restricciones (situados a la
izquierda de la desigualdad). Los cambios en estos coeficientes provocarn cambios
sustanciales en la forma de la regin factible. Grficamente (en el caso de 2 variables) lo
que vara es la pendiente de las rectas que representan las restricciones [3].
Cambios en los Coeficientes Tecnolgicos:

Estos cambios se deben a menudo a innovaciones tecnolgicas o a mejoras en la

productividad. Este tipo de cambios no producir variacin alguna en la funcin objetivo,
pero s alterar sustancialmente la forma de la regin factible, por lo que la solucin
ptima tambin variar [4].
El cambio de coeficientes tecnolgicos se puede aplicar a variables bsicas y no bsicas.
Sin embargo cuando este cambio est asociado a variables bsicas, se recomienda que
se resuelva el nuevo problema desde el principio [5].

Cambio de coeficientes tecnolgicos en variables no bsicas:

Un cambio en los componentes del vector aj, j en N ocasiona un cambio en el trmino zj-cj,
j en N puesto que:
Zj-cj = cB B-1 aj-cj = IIaj-cj
Donde II representa los valores de Zj-cj de las restricciones en las variables de holgura
comprometidas en el cambio de coeficientes tecnolgicos
Si el vector aj se cambia por uno nuevo a`j, el nuevo trmino z`j c`j seria:
Z`j c`j = IIa`j - cj
Mientras este trmino sea mantenga su signo, la solucin encontrada antes del cambio de
los coeficientes tecnolgicos sigue siendo ptima. En caso contrario, es decir z`j c`j < 0
para j en N, hay que aplicar el mtodo simplex, para obtener la nueva solucin ptima del
cambio de coeficientes tecnolgicos teniendo cuidado que el vector Yj de la tabla optima
anterior al cambio de coeficientes sea actualizado por otro Y`j donde Y`j = B-1 a`j
Procedimiento para las variaciones en los coeficientes tecnolgicos (aij)
1. Disear una columna nueva para la variable a la cual se le cambi el valor del
coeficiente tecnolgico a partir de la siguiente ecuacin [1]:
(COLUMNA NUEVA DE VARIABLE ANALIZADA) = (COLUMNA VIEJA DE
VARIABLE ANALIZADA) + aij (COLUMNA DE VARIABLE DE HOLGURA DE LA
RESTRICCIN QUE CORRESPONDE A LA VARIACIN)
2. Introducir nuevos valores en la tabla ptima eliminando los valores viejos.
3. Probar si los nuevos valores pasan la prueba de optimalidad.
4. Reoptimizar el modelo hasta encontrar la solucin (si no se pasa la prueba de
optimalidad), bien sea haciendo unitaria la columna de la variable bsica o haciendo
iteracin simplex para variables no bsicas.
Nota: Hay otro mtodo al que se llamar procedimiento 2 que implica calcular el
costo de oportunidad para la variacin de los coeficientes (Z-Cij) directamente, y

por ejemplo es ms efectivo, por ejemplo: Si al cambiar los coeficientes

tecnolgicos de una variable, el aij (variacin) da cero, entonces la solucin es la
misma pero el Z-Cij (costo de oportunidad) es diferente para dicha variable,
entonces se puede calcular del siguiente modo:
Z-Cij para la variable modificada (Z-Cij)= [Z-Cij para las holguras en donde se
encuentre dicha variable] * [Los nuevos coeficientes Cij] - [Cij de la variable en Z]
Despus, se realiza la prueba de optimalidad, si da positiva, entonces la solucin
ptima es la misma sino se debe reoptimizar igual que en el procedimiento
referido anteriormente referido.

Ejemplo
Sea el problema original el siguiente:
Mx. Z= 3X + 5Y
X

3X + 2Y
X, Y

18

Despus se supondr que se cambian los coeficientes tecnolgicos no bsicos de la

variable X por 2 en ambos casos, es decir, 1 y 3 por 2 y 2, a continuacin se har el
respectivo anlisis.
Con esto, el nuevo problema a resolver es:
Mx. Z= 3X + 5Y
2X

2X + 2Y
X, Y

18

SOLUCIN:
Primero que todo se resolver el ejercicio aplicando mtodo simplex y no se profundizar
en aspectos explcitos de dicho mtodo porque no es el enfoque de este trabajo:
Tabla 1.

Cij
0
0

Vb
S1
S2
Z-Cij

X
1
3
-3

*F2

Y
0
2
-5

S1
1
0
0

S2
0
1
0

b
4
18

S1
1
0
0

S2
0
1/2
5/2

b
4
9

Tabla 2. Tabla ptima

3
Cij
0
5

Vb
S1
Y
Z-Cij

5
X
1
3/2
9/2

0
Y
0
1
0

RESPUESTA: Y=9
X=0
S1= 4
S2=0
Mx. Z= 3X+5Y=45
Implementando el paso 1 del cambio de coeficientes tecnolgicos:
Utilizando como base la tabla ptima anteriormente hallada, se ve que los nmeros que
competen a la columna de la variable analizada X son 1 y 3/2, y el cambio en los
coeficientes tecnolgicos, es decir, el es de 1 a 2 y de 3 a 2, como la variacin se hizo
en las dos restricciones, se utilizarn las columnas de la variable de holgura de las 2
restricciones.
+ [(2-1)+ (2-3)] *

+ [(0)] *

= Columna nueva de variable analizada [Sera la misma columna, lo que sera un

indicativo de que la solucin sigue siendo ptima].

En este caso, se ve lo que se escribi en la nota anexa al paso 1, por lo tanto no hay que
insertar nuevos valores ni realizar prueba de optimalidad, sino se usar la siguiente
frmula, que est implcita en el llamado procedimiento 2:
Z-Cij para la variable modificada (Z-Cij)= [Z-Cij para las holguras en donde se
encuentre dicha variable] * [Los nuevos coeficientes Cij] - [Cij de la variable en Z]

Z-Cij= (0, 5/2)*

-3

Es decir, [(0*2) + (2*5/2)] - 3

Z-Cij= 2.
Como Z-Cij 0, la tabla que se dio como ptima, sigue siendo la solucin al problema,
solo con un costo de oportunidad diferente para X, si hubiera sido menor que cero (0), se
hubiese tenido que reoptimizar hasta encontrar la solucin ptima como se encuentra
citado en el procedimiento, para confirmar esto, se resolver el problema con las
modificaciones en los coeficientes tecnolgicos, como si hubiese sido el problema original:
Mx. Z= 3X + 5Y
2X

2X + 2Y
X, Y

18

Tabla 1.

Cij
0
0

Vb
S1
S2

X
2
2

Y
0
2

S1
1
0

S2
0
1

b
4
18

Z-Cij

-3

-5

X
2
1
2

Y
0
2
0

S1
1
0
0

S2
0
1
5/2

* F2

Tabla 2. Tabla ptima.

Cij
0
5

Vb
S1
Y
Z-Cij

Con esto se confirma la solucin ptima: X=0

S1=4
Y=9
S2=0

b
4
9

Ejercicio 1
Dado el problema de programacin lineal y su tabla simplex optima mostradas a
continuacin
Max z= 2x + y
Sujeta a las restricciones:
2x + y <=10
3x y <=6
4x+2y <=20
X,Y>=0

Cij
0
2
1

Vb
S1
X
Y
z-cij

0
x
0
1
0
0

0
y
0
0
1
0

0
S1
1
0
0
0

0
S2
0
1/5
-2/5
0

0
S3
-1/2
1/10
3/10
1/2

b
B
0
16/5
18/5

El problema se somete a un cambio en el coeficiente tecnolgico alterando las

restricciones
2x + y <=10
2X y <=6
2X+2y <=20
El nuevo elemento zj-cj seria:
Z`j c`j = IIa`j cj = (0 0 1/2)

2 = 1 2 = -1

Como Z`j c`j < 0 se aplica el mtodo simplex actualizando el vector Y1 (0 1 0) de la tabla
ptima por otro nuevo Y`1 dado por:
Y`j = B-1 a`j

Cij
0
2
1

Vb
S1
X
Y
z-cij

2
x
1
3/5
1/5
-1

1
y
0
0
1
0

0
S1
1
0
0
0

0
S2
0
1/5
-2/5
0

0
S3
-1/2
1/10
3/10
1/2

b
B
0
16/5
18/5

Aplicando el mtodo simplex a la tabla anterior se obtiene el resultado

Cij
0
2
1

Vb
S3
X
Y
z-cij

2
x
0
1
0
0

1
y
0
0
1
0

0
S1
-1/5
1/4
1/2
1

0
S2
1
1/4
-1/2
0

0
S3
0
0
0
0

b
B
8
4
2

Tenemos entonces que X= 4 Y=2

Ejercicio 2
Dado el problema de programacin lineal y su tabla simplex optima mostradas a
continuacin
Max z= 5x + 2y + 3z
Sujeta a las restricciones:
x + 5y + 2z <=30
x 5y -6z <=40
X, Y, Z >=0

Cij
5
0

Vb
X
S2
z-cij

0
x
1
0
0

0
y
5
10
23

0
z
2
-8
7

0
S1
1
-1
5

0
S2
0
1
0

b
B
30
10

El problema se somete a un cambio en el coeficiente tecnolgico alterando las

restricciones
1/2x + 5y + 2z <= 30
2x - 5y - 6z <= 40

El nuevo elemento zj-cj seria:

Z`j c`j = IIa`j cj = (5 0)

2 = 2.5 5 = -2.5

Como Z`j c`j < 0 se aplica el mtodo simplex actualizando el vector Y1 (1 0) de la tabla
ptima por otro nuevo Y`1 dado por:
Y`j = B-1 a`j

Cij
5
0

Vb
X
S2
z-cij

0
x

3/2
0

0
y
5
10
23

0
z
2
-8
7

0
S1
1
-1
5

0
S2
0
1
0

b
B
30
10

Aplicando el mtodo simplex a la tabla anterior se obtiene el resultado

Cij
5
2

Vb
X
Y
z-cij

0
x
1
0
0

0
y
0
1
0

0
z
8/5
6/25
137/25

Tenemos entonces que X= 28 Y=16/5

0
S1
2/5
4/25
58/25

0
S2
2/5
-1/25
48/25

b
B
28
16/5

Conclusin:
Los mtodos para el anlisis de sensibilidad nos brindan la posibilidad de adaptarnos a
los cambios que puedan ocurrir a nuestro modelo de programacin lineal. En la vida real
se esperan cambios constantemente haciendo de estos conocimientos vitales ya que nos
ahorraran considerablemente tiempo y esfuerzo ya sea al momento de alguna
modificacin inesperada al modelo de PL o bien para analizar la sensibilidad que este
tiene a los cambios
Si bien estos anlisis pueden facilitarnos muchos aspectos, hay que tener en cuenta que
cualquier error en el procedimiento nos impedira llegar a la respuesta deseada,
obligndonos al momento de ejecutar el anlisis de sensibilidad tener una buena
concentracin y unas bases tericas claras para reducir as la posibilidad de efectuar
algn error en el procedimiento.

Bibliografa
1. Investigacin de operaciones I ngel de len Gonzales 3ra edicin pgina 148.
2. Investigacin de operaciones I ngel de len Gonzales 3ra edicin pgina 149.
3. DUALIDAD EN PROGRAMACIN LINEAL CON LINDO ngel A. Juan
(ajuanp@uoc.edu), Javier Faulin (ffaulin@uoc.edu) pagina 2
http://www.uoc.edu/in3/emath/docs/Dualidad.pdf
4. Investigacin de operaciones I ngel de Len Gonzales 3ra edicin pgina 171.
5. Mtodos y modelos de Investigacin de operaciones vol 1 modelos determinsticos
Juan Prawda pgina 158