ANALISIS DE SENSIBILIDAD

El anlisis de sensibilidad o postoptimal para los modelos de Programacin

Lineal, tiene por objetivo identificar el impacto que resulta en los resultados del
problema original luego de determinadas variaciones en los parmetros,
variables o restricciones del modelo, sin que esto pase por resolver el problema
nuevamente.
Es decir, ya sea si resolvemos nuestro modelo grficamente o utilizando el
Mtodo Simplex, lo que se busca es que estas variaciones o sensibilidad hagan
uso de la solucin y valor ptimo actual, sin tener la necesidad de resolver para
cada variacin un nuevo problema. En especial nos concentraremos en el
anlisis de sensibilidad o postoptimal que hace uso de la tabla final del Mtodo
Simplex.
TEORA
Siguiendo la notacin utilizada en la seccin dedicada al Mtodo Simplex en
nuestro sitio, ste opera para modelos de Programacin Lineal en un formato
estndar.
Min
s.a

cTx
Ax = b
x >= 0

Donde la tabla final del Mtodo mantiene la siguiente estructura:

Dnde:
I: Matriz Identidad
0: Costos reducidos asociados a las variables bsicas
B: Matriz de variables bsicas
D: Matriz de variables no bsicas
b: Lado derecho
Cb: Coeficientes en la funcin objetivo asociados a las variables bsicas
Cd: Coeficientes en la funcin objetivo asociados a las variables no bsicas

1. Cambio en el "lado derecho" de las restricciones: Lo que se busca

identificar si las actuales variables bsicas se mantienen luego de la
modificacin de uno o ms parmetros asociados al "lado derecho" del modelo.
Si calculamos:
y se cumple

, Las mismas variables bsicas lo son tambin de

la nueva solucin ptima, calculada con el nuevo . Si lo anterior no se cumple,

se puede aplicar el Mtodo Simplex Dual.
EJEMPLO: Sin resolver nuevamente el problema, se desea saber si las actuales
variables bsicas ptimas del problema tambin lo son del mismo problema,
donde los lados derechos corresponde al vector b=(20,30). (Observacin: X4 y
X5 son variables de holgura de la restriccin 1 y 2 respectivamente)
Max
sa:

2x1 + 7x2 - 3x3

x1 + 3x2 + 4x3 <= 30
x1 + 4x2 - x3 <= 10
x1,x2,x3 >= 0

X1

X2

X3

X4

X5

-1

-1

20

-1

10

201

Para analizar este escenario debemos calcular el vector de variables bsicas y

verificar si todos sus componentes son positivos definidos. Ntese que para
esto necesitamos la matriz B inversa, la cual fcilmente podemos rescatar
identificando los parmetros asociados a X4 y X5 (variables de holgura de la
restriccin 1 y 2 respectivamente) en la tabla final del Mtodo Simplex:

Luego, dado que al menos uno de los coeficientes del nuevo lado derecho tiene
un valor negativo, cambia la actual base ptima. Cabe destacar que ante esta
situacin no es necesario resolver el nuevo escenario partiendo de cero, sino lo
que se debe hacer es utilizar la tabla final del simplex del escenario base,
actualizando el lado derecho y valor de la funcin objetivo

X1

X2

X3

X4

X5

-1

-1

-10

-1

30

60

2.Inclusin de una nueva variable: Debemos evaluar si la nueva variable es

un aporte significativo a los resultados del modelo original. Luego, para decir si
la actual solucin bsica es ptima para el nuevo problema, calculamos el
costo reducido de la nueva variable como:
Donde k es el ndice de la nueva variable y Ak su respectiva
columna en la matriz de coeficientes. Si se cumple que rk>=0 se conserva la
actual solucin ptima. En caso contrario, se puede seguir con el Simplex
agregando a la tabla una nueva columna con entradas B-1Ak y rk y tomando
como variable entrante a la nueva base la que acabamos de introducir al
problema.

EJEMPLO:
Se desea estudiar la posibilidad de elaborar un nuevo producto con beneficio
neto igual a 8 y que requiere 4, 2 y 5 unidades de los recursos asociados a
cada restriccin. Sin resolver nuevamente el problema, Conviene elaborar el
producto?
Max
sa:

9x1 + 12x2
4x1 + 3x2 <= 180
2x1 + 3x2 <= 150
4x1 + 2x2 <= 160
x1,x2 >=

X1

X2

X3

X4

X5

1/2

-1/2

15

-1/3

2/3

40

-4/3

2/3

20

1/2

7/2

615

Se debe evaluar rk y determinar si este es >=0

En este ejemplo rk=1>=0, por lo cual no conviene la incorporacin de esta

nueva variable al modelo, es decir, aun cuando sea incorporada no
obtendremos un valor ptimo que supere el actual V(P)=615. De todas formas
mostraremos como se incluye en la tabla final del Simplex esta modificacin de
modo que el lector pueda entender su incorporacin cuando es necesario:

X1 X2 X3

X4

X5 XNew

1/2

-1/2

15

-1/3

2/3

40

-4/3

2/3

20

1/2

7/2

615

Si el costo reducido de esta nueva variable hubiese sido cero, entonces el

nuevo escenario tendra infinitas soluciones.

3. Cambio en los Coeficientes Funcin Objetivo: Se busca identificar qu

ocurre con la actual solucin ptima del escenario base si se cambian uno o
varios de los coeficientes que definen la funcin objetivo. La solucin ptima
actual tambin lo ser para el nuevo escenario siempre que los nuevos costos
reducidos sean mayores o iguales a cero (notar que tambin cambia el valor de
la funcin objetivo en la actual solucin ptima). Es decir se debe cumplir que:

En caso contrario, se aplica el Simplex a partir de la tabla final del modelo

original, con los nuevos costos reducidos y nuevo valor de la actual solucin
bsica.

EJEMPLO:
Sin resolver nuevamente el problema, se desea saber que sucede si se
modifica los parmetros de la funcin objetivo, quedando stos de la siguiente
forma: Z = x1 + 5x2 - 2x3. (X4 y X5 son las variables de holgura de la
restriccin 1 y 2 respectivamente).
Max
sa:

2x1 + 7x2 - 3x3

x1 + 3x2 + 4x3 <= 30
x1 + 4x2 - x3 <= 10
x1,x2,x3 >= 0

X1

X2

X3

X4

X5

-1

-1

20

-1

10

20

Debido a que los cambios en los parmetros de la funcin objetivo se producen

en ms de una variable consideraremos la siguiente frmula:

Debido a que al menos uno de los costos reducidos de las variables no bsicas
se ha vuelto negativo, entonces cambia la actual solucin y valor ptimo del
problema. Para incorporar esta modificacin en la tabla final del Mtodo
Simplex se actualiza los costos reducidos asociados a las variables no bsicas,
adems del valor ptimo, quedando como sigue:

X1

X2

X3

X4

X5

-1

-1

20

-1

10

-1

10

4.Inclusin de una nueva restriccin: Para saber si la actual solucin y

valor ptimo se mantendr luego de incorporar una nueva restriccin al
problema se debe evaluar la solucin actual y verificar si satisface la nueva
restriccin. En caso afirmativo, la actual solucin tambin lo ser del problema
con la nueva restriccin, en caso contrario se incorpora la nueva restriccin a la
tabla final del Simplex del escenario base.

EJEMPLO:
Sin resolver nuevamente el problema, se desea saber que sucede si se
considera una nueva restriccin de la forma: 3x1 + 2x2 + 3x3 <= 25.
(Observacin: Considerar mismo modelo y tabla final del ejemplo anterior)
Se evala la solucin actual en la restriccin: 3*(10) + 2*(0) + 3*(0) <= 25. No
cumple. Por tanto se incorpora esta nueva restriccin como fila a la tabla final
del Simplex. Adicionalmente, se agrega X6 como variable de holgura asociada
a esta nueva restriccin:

X1

X2

X3

X4

X5

X6

-1

-1

20

-1

10

25

20

Una alternativa para encontrar el ptimo a travs de esta tabla es formar la

identidad (debemos hacer cero el parmetro asociado a X1 en la tercera fila)

multiplicando la fila 2 por -3 y sumando dicho resultado a la fila 3. De esta

forma se obtiene:

X1

X2

X3

X4

X5

X6

-1

-1

20

-1

10

-10

-3

-5

20

Finalmente obtenemos X4, X1 y X6 como variables bsicas. Producto de la

transformacin un lado derecho queda negativo y en este caso podemos
continuar adelante utilizando el Mtodo Simplex Dual.

RECURSOS ESCASOS Y ABUNDANTES