UNIDAD: IV

ANLISIS DE SENSIBILIDAD O POSTOPTIMALIDAD

INTRODUCCION

Como se vio en el captulo 2, por medio del Mtodo Simplex se obtienen

soluciones ptimas de problemas de programacin lineal, esta solucin lineal
es valida en el caso donde todas las condiciones del problema permanezcan
invariables, pero en la prctica se ve que es muy difcil que se mantengan
invariables al transcurrir del tiempo.

Una de las formas de llegar a la nueva solucin ptima del problema

cuando existe un cambio discreto en los coeficientes, es solucionando todo el
problema de nuevo, pero es ineficiente computacionalmente, por lo tanto se
requiere hacer mnimos clculos adicionales para obtener la nueva solucin
ptima sin tener que resolver todo el problema. Las operaciones que se
necesitan para obtener este anlisis se le llama Anlisis de Postptimidad o
Sensibilidad.

Los cambios que puedan ocurrir estudiados por anlisis de Postptimidad son:

1. Cambio de los trminos independientes (Vector Recursos, bi).

2. Cambio en la contribucin de las variables (Coeficientes de la
funcin objetivo, Cj).
3. Cambio en los coeficientes tecnolgicos, aij.
4. Adicin de nuevas restricciones.
5. Adicin de nuevas variables.

APLICACIN DEL ANALISIS DE SENSIBILIDAD

Para la aplicacin del anlisis de sensibilidad se utilizar el ejemplo 5.1

(cpitulo 5), donde la formulacin del problema es:

Maximizar Z = 100X1 + 120X2

Sujeto a.
3X1 + 6X2 60
4X1 + 2X2 32
X1 , X2 0

1
 TABLA I

100 120 0 0
X1 X2 H1 H2

0 H1 60 3 6 1 0
0 H2 32 4 2 0 1
Zj 0 0 0 0 0
Zj -Cj -100 -120 0 0

SOLUCIN PTIMA

100 120 0 0
X1 X2 H1 H2
120 X2 8 0 1 4/18 -3/18
100 X1 4 1 0 -2/18 6/18
Zj 1360 100 120 15.5 13.3
Zj - Cj 0 0 15.5 13.3

X1*= 4

X2*= 8

Z* = 1360

Donde:

4/18 -3/18
B-1 = = Inversa
-2/18 6/18

Cambios en los trminos independientes (Vector recursos,

bi)

Se va a suponer que en un segundo periodo de produccin, los recursos

disponibles de tiempo de pintura se reducen a 20 hrs., por lo tanto se analiza
como un cambio en el termino independiente bi de la segunda restriccin, el
cual de ser 32 pasa a 20.

2
Interpretacin grfica

X2
10 Solucin ptima actual
Solucin ptima anterior

X1* = 0 Z* = $1200
X2* =10

X1
5 8 20

Anlisis matricial

En cualquier interaccin, los valores correspondientes de las variables

bsicas pueden obtenerse multiplicando la matriz B -1 (matriz inversa) obtenida
en la tabla ptima original por el vector columna, que tiene los elementos
originales de la parte derecha de las restricciones (nuevos trminos
independientes). Por lo cual esta combinacin puede afectar nicamente el
lado derecho de la tabla y por lo tanto la factibilidad del problema.

Por lo dicho anteriormente, los nuevos valores de las variables bsicas nos
quedan:

X1 4/18 -3/18 60 10
= =
X2 -2/18 6/18 20 0

Como X1 y X2 0, los nuevos valores (X1=0, X2=10) son factibles y ptimos.

Esto significa que el problema de produccin cambia a:

Unidades de comedor
Celeste X1 = 0

Unidades de comedor
Ruiseor X2 = 10

Utilidad mxima Z = $1200

3
 Cambios en la contribucin de las variables (Coeficientes de
la funcin objetivo, Cj).

Los cambios en la contribucin de las variables pueden ser:

a) Cambios coeficientes no-bsicos

b) Cambios coeficientes bsicos

a) VARIABLES NO BSICAS

La situacin de la compaa vuelve a ser la original, pero supongamos

que se hizo un estudio de mercado, con lo cual la gerencia se pudo enterar que
si maquilan (construir) comedores a otras empresas, se obtiene una utilidad de
$20 por hora.

Para obtener la nueva solucin ptima por medio de anlisis se

sensibilidad, se toma la tabla ptima de la solucin original, se calcula
nuevamente el nmero de ndice para las nuevas condiciones, quedando la
ltima tabla:

100 120 20 0

X1 X2 H1 H2
120 X2 8 0 1 4/18 -3/18
100 X1 4 1 0 -2/18 6/18
Zj 1360 100 120 15.5 13.3

Zj - Cj 0 0 -4.5 13.3

Se observa que existen nmeros negativos en el rengln ndice por lo cual se

contina el problema normalmente.

100 120 20 0
X1 X2 H1 H2
20 H1 36 0 54/12 1 -9/12
100 X1 8 1 6/12 0 1/4
Zj 1520 100 140 20 10
Zj - Cj 0 20 0 10

4
Por lo tanto, la solucin ptima es:

X1* = 8
H1* = 36
Z * = 1520

b) COEFICIENTES BSICOS

Supongamos nuevamente que la situacin de la compaa vuelve a ser

la original excepto el coeficiente de la funcin objetivo correspondiente a X1 que
se incrementa 30 unidades, la cual cambia de 100 a 130. Esto lo podemos
analizar como un cambio en la contribucin de la variable bsica X1

Interpretacin grafica

X2
10 Funcin objetivo original

Funcin objetivo modificada

X1
8

Como se puede ver en la grfica, se modific la pendiente de la funcin

objetivo pero no lo suficiente para cambiar de vrtice, por lo que la cantidad de
artculos de X1 y X 2 a elaborar, siguen siendo los mismos.

Anlisis Matricial

Se toma la tabla ptima original, se le agrega el nuevo valor de la

contribucin que cambia y se le calcula nuevamente el rengln ndice
quedndonos:

5
Tabla ptima original pero agregando nueva contribucin.

130 120 0 0
X1 X2 H1 H2

120 X2 8 0 1 4/18 -3/18

130 X1 4 1 0 -2/18 6/18

Calculando su rengln ndice nos queda:

130 120 0 0
X1 X2 H1 H2

120 X2 8 0 1 4/18 -3/18

130 X1 4 1 0 -2/18 6/18

Zj 1480 130 120 12.22 23.33

Zj - Cj 0 0 12.22 23.33

Como siguiente paso, se observa si todos los nmeros ndice son

mayores o iguales a cero, de ser as, se tiene la solucin ptima, sino el
problema deber continuarse normalmente.

Caso III Cambio en los coeficientes tecnolgicos (Aij).

Existen dos tipos en los cambios de los coeficientes tecnolgicos:

a) Cambio en los coeficientes de una variable bsica

b) Cambio en los coeficientes de una variable no-bsica

a) COEFICIENTES BSICAS

Volviendo a la situacin original, excepto por el tiempo de construccin y

pintura del comedor ruiseor (X2) que se incrementa 2 y 1 hora
respectivamente. Lo cual lo podemos interpretar como un cambio en los
coeficientes de la variable bsica X2, que cambia de 6 en la restriccin uno y 2
en la restriccin dos a ser 8 y 3 respectivamente.

6
Interpretacin grfica:

X2

10
X1* = 3.33
7.5 Solucin ptima X2* = 6.26
Z* = 1081.2

X1

Anlisis matricial:

Multiplicamos la matriz B-1 (es la matriz inversa que se obtiene en la solucin

ptima original) por el nuevo vector columna de X2 = 8 para obtener los
coeficientes modificado en X2. 3

4/18 -3/18 8 23/18

X2 (modificado) = =
-2/18 6/18 3 2/18

Una vez obtenidos los coeficientes modificados del vector columna X2, se
agrega en la ltima tabla del modelo original y se recalcula el nmero ndice de
esta columna quedndonos:

100 120 0 0
X1 X2 H1 H2

120 X2 8 0 23/18 4/18 -3/18

100 X1 4 1 2/18 -2/18 6/18
Zj 1360 100 164.44 15.5 13.3
Zj - Cj 0 44.44 15.5 13.3

Pero como X2 es una variable bsica, los coeficientes de su columna deben ser

1
0

7
y su nmero ndice cero. Por lo que ser necesario dividir el rengln X2 entre
23/18 y sumarlo: multiplicando por -2/18 al rengln de X1 y por -800/18 al
rengln ndice.

Haciendo operaciones anteriores nos queda:

100 120 0 0
X1 X2 H1 H2
120 X2 6.26 0 1 4/23 -3/23
100 X1 3.30 1 0 -3/23 8/23
Zj 1081.2 100 120 7.82 19.13
Zj - Cj 0 0 7.82 19.13

Solo nos queda confirmar si todos los nmeros ndices son mayores o iguales a
cero, si no continuar con el problema.

b) COEFICIENTES NO-BSICAS

En este caso se ver un ejemplo diferente del que hemos venido

siguiendo, donde se har un cambio discreto de coeficientes tecnolgicos
asociados a variables no-bsicas.

Maximizar Z = X1 + 2X2 + 3X3

Sujeto a.
2X1 + X2 + X3 10
X1 + + X3 5
Xi 0 i = 1, 2, 3

TABLA I
1 2 3 0 0
X1 X2 X3 H1 H2
0 H1 10 2 1 1 1 0
0 H2 5 1 0 1* 0 1
Zj 0 0 0 0 0 0
Zj - Cj -1 -2 -3 0 0

TABLA II

8
 1 2 3 0 0
X1 X2 X3 H1 H2
0 H1 5 1 1* 0 1 -1
3 X3 5 1 0 1 0 1
Zj 15 3 0 3 0 3
Zj - Cj 2 -2 0 0 3

SOLUCIN PTIMA
1 2 3 0 0
X1 X2 X3 H1 H2
2 X2 5 1 1 0 1 -1
3 X3 5 1 0 1 0 1
Zj 25 5 2 3 2 1
Zj - Cj 4 0 0 2 1

Una vez obtenida la solucin ptima, vamos a suponer que el vector columna de
X1 en un periodo de tiempo cambia de:

2 1
a
1 1/2

1 -1
-1
Para hacer el anlisis, multiplicamos la matriz B =
0 1

(B-1 es la matriz inversa que se obtiene de la tabla ptima) por el nuevo vector
1
columna de X1 =
1/2

1 -1 1 1/2
X1 (modificado) = =
= 1/2
0 1
1/2
El vector columna de X1 modificado, se introduce en la tabla ptima original y
se recalcula el nmero ndice, quedndonos:

9
 1
2 3 0 0
X1 X2 X3 H1 H2

1/2
2 X2 5 1 0 1 -1
1/2
3 X3 5 0 1 0 1
1.5
25 0 0 2 1

Como se puede ver en este caso, la solucin ptima del problema original
continua siendo la solucin ptima del nuevo problema, que es:
X2*= 5
X3*= 5
Z* = 25

CASO IV ADICIN DE NUEVAS RESTRICCIONES

Volviendo al ejemplo (5.1), supongamos que la compaa hace estudios para el

prximo periodo de produccin y se da cuenta que no dispone de capital
suficiente para satisfacerla. La alta gerencia decide que la produccin para el
prximo periodo no debe exceder de nueve artculos de X1 X2 combinados.
Por lo tanto, la anterior limitacin la podemos representar como:

X1+ X2 9

Como siguiente paso se tiene que verificar si la nueva restriccin afecta o no a

nuestra solucin actual (ver si es redundante o no), esto se comprueba con los
actuales valores de X1 y X2 en la nueva restriccin. Si no cumple es no
redundante.

X1+ X2 9
4+8 9

Como se puede ver, los valores de X1 y X2 no cumplen con la desigualdad

(nueva restriccin), por lo tanto se debe hacer un anlisis para la nueva
solucin ptima.

10
Interpretacin grfica.

X2

X1*= 0

Solucin X2*= 9
ptima
10 Z* =1080
9

X1
8 9

Anlisis Matricial

Rompemos la desigualdad de la nueva restriccin agregndole la variable de

holgura.

X1 + X2 + H 3 = 9

Introducimos la nueva restriccin en la tabla ptima del problema original

quedndonos:

100
120 0 0 0
X1 X2 H1 H2 H3
0
120 X2 8 1 4/18 -3/18 0
1
100 X1 4 0 -2/18 6/18 0
1
0 H3 9 1 0 0 1
0
1360 0 15.5 13.3 0

En donde se puede ver que las variables X1 y X2 son bsicas, por lo que su
vector columna debe estar formado por ceros, excepto en el cruce del rengln y
la columna de la variable habr que generarlo.

11
Multiplicamos al rengln de X1 y X2 por -1 y se lo sumamos al rengln H3
quedndonos:

100
120 0 0 0
X1 X2 H1 H2 H3
0
120 X2 8 1 4/18 -3/18 0
1
100 X1 4 0 -2/18 6/18 0
0
0 H3 -3 0 -2/18 -3/18* 1
0
1360 0 15.5 13.3 0

En donde observamos que la solucin generada no es factible (H3= -3), por lo

que ser necesario eliminar el -3 por medio del dual - simplex.

Indicaremos como se puede obtener la solucin ptima a este problema.

-Como H3 (= -3, columna de constantes) es la que nos est generando la no

factibilidad, ser la variable que sale,
-El vector que entra se determina dividiendo los nmeros ndice entre los
nmeros negativos correspondientes al rengln H3, y el residuo menos negativo
es el valor que entra, o sea:
15.5 240 / 18 13.3
H1: 297 / 18 = = -139.5 ; H2 = = = -80.12
0.111 3 / 18 0.166
2 / 18

Por lo tanto la variable que entra es H2, quedndonos:

100
120 0 0 0
X1 X2 H1 H2 H3
0
120 X2 11 1 1/3 0 -1
-2
100 X1 1 0 -1/3 0 2
18
0 H2 0 0 2/3 1 -6
1120
0 0 6.63 0 80

100
120 0 0 0
X1 X2 H1 H2 H3

12
 1
120 X2 9 1 0 0 1
-3
100 H1 6 0 1 0 -6
2
0 H2 14 0 0 1 -2
19.89
1080 0 0 0 119.58

Por lo que la solucin ptima cambia a:

X*1 = 0
X*2 = 9
Z* = 1080

ADICION DE NUEVAS VARIABLES

Ahora supongamos que la compaa se propone lanzar un nuevo tipo de

comedor llamado Internacional (X3). Por estudios realizados, se requiere para
su elaboracin 3 horas de construccin por unidad (restriccin uno) y 2 horas
de tiempo de pintura (restriccin dos), la utilidad que se espera de este
comedor es de $110 por unidad.

Lo antes mencionado se puede analizar como la adicin de una nueva variable,

donde el vector columna X3 ser 3 con una contribucin de 110.

2

Por lo que la tabla ptima original deber tener una columna ms que
desconocemos.

100
120 110 0 0
X1 X2 X3 H1 H2
0
120 X2 8 1 ? 4/18 -3/18

13
 1
100 X1 4 0 ? -2/18 6/18
0
1360 0 ? 15.5 13.3

Para saber que los valores son de la columna X3 se har un anlisis matricial
multiplicando B-1 por el vector X3, y as obtener el vector modificado de X3 que
se incluir en la ltima tabla de el modelo original.

4/18 -3/18 3 6/18

X3(modificado) = =
-2/18 6/18 2 6/18

Recalculando el nmero ndice en la ltima tabla queda:

100
120 110 0 0
X1 X2 X3 H1 H2
0
120 X2 8 1 6/18 4/18 -3/18
1
100 X1 4 0 6/18* -2/18 6/18
0
1360 0 -36.66 15.5 13.3

Se contina el problema normalmente

100
120 110 0 0
X1 X2 X3 H1 H2
-1
120 X2 4 1 0 2/6 -3/6
3
100 X3 12 0 1 -2/6 1

14
 110
1800 0 0 3.33 50

Por lo tanto la solucin ptima es producir:

4 Comedores Ruiseor X2*=4

12 Comedores Internacional X1*=0
Con una utilidad de $1800.00 X3*=12
Z*=1800

15