Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUCCION
La utilidad del Análisis de Sensibilidad en los modelos de programación lineal
consiste, en que permite una interpretación razonable de los resultados ya obtenidos.
Una vez comprendido el significado de los elementos de la matriz, el análisis se vuelve
lógico y directo. En muchos casos la información obtenida por la aplicación del Análisis
de Sensibilidad, puede ser mucho más importante y mucho más informativa que el
simple resultado obtenido en la solución óptima. En cierto sentido, el Análisis de
Sensibilidad convierte la solución estática de programación lineal en un instrumento
dinámico que evalúa las condiciones cambiantes. Por tanto, adquiere mayor utilidad
como instrumento administrativo ya que los negocios y la industria están sometidos a
cambios continuos y a una subsiguiente reevaluación.
Un nuevo problema puede diferir del original en uno o varios de los siguientes
cambios que pueden ocurrir simultáneamente:
• Cambios en el vector b, o sea cambios en la disponibilidad de recursos.
• Cambios en el vector C, o sea cambios en los precios o costos unitarios.
• Cambios en la matriz A, o sea, cambios en los coeficientes tecnológicos aij.
• Cambios en el vector X, o sea cambios en el número de actividades.
• Cambios en el número de restricciones del sistema lineal a optimizarse.
M ax Z = cX
s.a AX ≤ b + ∆b
X≥0 ( P N)
El análisis de sensibilidad para este tipo de cambio toma como punto de partida
la solución óptima de (PO). Supóngase que B −1 es la inversa de la base óptima
asociada a (PO). Entonces la solución óptima de (PO) es:
X B = B −1b ≥ 0
Z = CB X B
CRITERIOS A UTILIZAR:
a) Si Xˆ B ≥ 0 la nueva solución óptima de (PN) se calcula con la formula de Z.
EJEMPLO:
2
Investigación de operaciones Análisis de Sensibilidad
3
Investigación de operaciones Análisis de Sensibilidad
1 − 1 5 5 0
b+∆ = + =
1 −5 5 0
El nuevo problema lineal a resolver sería:
M ax Z = 5 X 1 + 3 X 2
s.a 3X 1 + 5 X 2 ≤ 5
5X1 + 2X 2 ≤ 5
X 1 ≥ 0, X 2 ≥ 0 ( PN)
4
Investigación de operaciones Análisis de Sensibilidad
5
Investigación de operaciones Análisis de Sensibilidad
x2 1 / 0 9
z=(c2,1) = (3,5) 1 / == $5. 0 9 2 5
x 1 1/ 5 9
CONCLUSIÓN:
Una reducción en la disponibilidad de recursos ha causado una disminución en la
producción óptima de ambos productos químicos, así como en la utilidad.
II Supóngase ahora que el personal se reduce a 10 personas, pero el costo máximo por
hora de producción se aumenta a $20. El nuevo programa a resolver sería:
M ax Z = 5 X 1 + 3 X 2
s.a 3 X 1 + 5 X 2 ≤ 10
5 X 1 + 2 X 2 ≤ 20
X 1 ≥ 0, X 2 ≥ 0 ( PN)
6
Investigación de operaciones Análisis de Sensibilidad
1 − 5 1 5 0
b+∆ = + =
1 1 2 0 0
7
Investigación de operaciones Análisis de Sensibilidad
8
Investigación de operaciones Análisis de Sensibilidad
Por lo tanto es necesario utilizar el dual simplex para restaurar la factibilidad y obtener
la optimalidad del nuevo problema. Utilizando la tabla óptima del problema original
Z X1 X2 X3 X4 Z0
1 0 16/3 5/3 0
X4 0 0 -19/3 -5/3 1 10/3
X1 0 1 -5/3 1/3 0 10/3
CONCLUSION:
La nueva solución es producir 10/3 litros del producto químico A por hora y 0
litros del producto químico B por hora generando una utilidad óptima de:
9
Investigación de operaciones Análisis de Sensibilidad
= BXcz B
x4 1 / 3 0
4 cc 1),( = (0,5) = 5 /3 0
x1 1 /3 0
= $ .1 6 6 6
10
Investigación de operaciones Análisis de Sensibilidad
M ax Z = (c + ∆ c) X
s.a AX ≤ b
X≥0 ( P N)
Tabla óptima:
11
Investigación de operaciones Análisis de Sensibilidad
Z X1 X2 X3 X4 Z0
1 0 0 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
− C = Cn B B− 1 A − (c + ∆ c)
5
− C2 = (5 /1 , 19 /16 ) 9 − 1 = 2 /15 + 93 /12 − 91 = 2
2
Sustituimos en la tabla óptima y como es variable básica se tienen que hacer ceros
arriba y abajo del elemento pivote:
Z X1 X2 X3 X4 Z0
1 0 2 5/19 16/19 235/19
X2 0 0 1* 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
Z X1 X2 X3 X4 Z0
1 0 0 -5/19 22/19 145/19
X2 0 0 1 5/19* -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
Tabla óptima:
Z X1 X2 X3 X4 Z0
12
Investigación de operaciones Análisis de Sensibilidad
1 0 1 0 1 10
X3 0 0 19/5 1 -3/5 9
X1 0 1 2/5 0 1/5 2
La nueva solución satisface las restricciones del problema.
− C = CnB B− 1A − (c + ∆ c)
3
− C1 = (5 /1 , 19 /16) 9 − 1 = 1 /15 + 89 /10 − 19= 4
5
5
− C2 = (5 /1 ,6 /91 ) 9 − 1 = 2 /15 + 39 /12 − 19= 2
2
Sustituimos en la tabla óptima y como es variable básica se tienen que hacer ceros
arriba y abajo del elemento pivote:
Z X1 X2 X3 X4 Z0
1 4 2 5/19 16/19 235/19
X2 0 0 1* 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
13
Investigación de operaciones Análisis de Sensibilidad
Z X1 X2 X3 X4 Z0
1 4 0 -5/19 22/19 145/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1* 0 -2/19 5/19 20/19
Tabla óptima:
Z X1 X2 X3 X4 Z0
1 0 0 3/19 2/19 65/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
14
Investigación de operaciones Análisis de Sensibilidad
CRITERIOS A UTILIZAR:
a) Si los cambios son en una variable Básica, se plantea el problema y se resuelve desde
el principio.
b) Si es una Variable No Básica entonces puede ocurrir:
• -Cn ≥ 0, la Solución Óptima no cambia.
• -Cn ≤ 0, se calculan los nuevos valores de Yˆj , se sustituyen en la tabla óptima
y se recupera la optimalidad aplicando el Método Simplex.
EJEMPLO: Sea el problema original el siguiente:
M a xZ = 3 X 1 + 5 X 2
s.a X1 ≤ 4
3 X 1 + 2 X 2 ≤ 18
X 1 ≥ 0, X 2 ≥ 0 ( P O)
Tabla óptima:
Z X1 X2 X3 X4 Z0
1 9/2 0 0 5/2 45
X3 0 1 0 1 0 4
15
Investigación de operaciones Análisis de Sensibilidad
X2 0 3/2 1 0 1/2 9
1 1 0
I Supóngase que el nuevo vector
a1 = que es no básico, cambia a
aˆ1 =
. El nuevo
3 1
problema a resolver es:
M axZ = 3 X 1 + 5 X 2
s.a 1 0 X1 ≤ 4
X1 + 2X 2 ≤ 1 8
X 1 ≥ 0, X 2 ≥ 0 ( P N)
1 0
C1 =− (0,5/2) 3=− 5/ − 32 = − 1/2 .
1
16
Investigación de operaciones Análisis de Sensibilidad
Como −C1 <0 aplicamos el Método Simplex teniendo cuidado de actualizar el vector
1
Y1 = de la tabla óptima. Lo que resulta:
3/ 2
ˆ −1 1 01 1 0 0
Y1 B aˆ1== =
0 1/21 1/2
El Método Simplex se aplica en la siguiente tabla que difiere de la tabla óptima de (PO)
en el término –C1 y en la Columna Y1.
Z X1 X2 X3 X4 Z0
17
Investigación de operaciones Análisis de Sensibilidad
1 -1/2 0 0 5/2 45
X3 0 10* 0 1 0 4
X2 0 1/2 1 0 1/2 9
Z X1 X2 X3 X4 Z0
1 0 0 1/20 5/2 226/5
X1 0 1 0 1/10 0 4/10
X2 0 0 1 0 1/2 44/5
1 2
II Supóngase que el vector
a1 = que no es básico, se cambia a
aˆ1 = . El nuevo
3 2
problema a resolver es:
M axZ = 3 X 1 + 5 X 2
s.a 2 X1 ≤ 4
2 X 1 + 2 X 2 ≤ 18
X 1 ≥ 0, X 2 ≥ 0 ( P N)
2
− C1 = (0,5/2) 3 5 3=−=− 2
2
CONCLUSIÓN Como − C1 = 2 > 0 La solución óptima no cambia por lo tanto:
Tabla óptima de (PN)
18
Investigación de operaciones Análisis de Sensibilidad
Z X1 X2 X3 X4 Z0
1 2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9
CRITERIOS A UTILIZAR
a) Si -Cn ≥ 0, la variable adicional no entra a la base y su valor de utilización es cero.
Por lo tanto, la Solución Óptima no cambia.
b) Si -Cn ≤ 0, se calculan los nuevos valores de Yˆj , se sustituyen en la tabla óptima y
se recupera la optimalidad aplicando el Método Simplex.
19
Investigación de operaciones Análisis de Sensibilidad
1
coeficientes tecnológicos es
a5 = ?
2
El Nuevo Problema es:
M ax Z = 3 X 1 + 5 X 2 + 7 X 5
s.a X1 + X 5 ≤ 4
3 X 1 + 2 X 2 + 2 x5 ≤ 1 8
X 1 ≥ 0, X 2 , X 5 ≥ 0 ( P N)
1
Calculamos
− C5 = (0,5/2) 7 5−=− 7= − 2 y como resulta negativo hay que calcular la columna Y 5 de
2
la nueva tabla dada por:
20
Investigación de operaciones Análisis de Sensibilidad
−1
Y5 = B a5
1 0 1 1
= =
0 1/2 2 1
La nueva tabla donde el Método Simplex debe aplicarse es:
Z X1 X2 X5 X3 X4 Z0
1 9/2 0 -2 0 5/2 45
X3 0 1 0 1* 1 0 4
X2 0 3/2 1 1 0 1/2 9
Tabla optima de (PN)
Z X1 X2 X5 X3 X4 Z0
1 13/2 0 0 2 5/2 53
X5 0 1 0 1* 1 0 4
X2 0 1/2 1 0 -1 1/2 5
21
Investigación de operaciones Análisis de Sensibilidad
1 0
$ 4 y el vector
a5 = . El Nuevo Problema a resolver es:
4
M ax Z = 3 X 1 + 5 X 2 + 4 X 5
s.a X 1 + 1 0X 5 ≤ 4
3 X 1 + 2 X 2 + 4 x5 ≤ 18
X 1 ≥ 0, X 2 , X 5 ≥ 0 ( P N)
1 0
Calculamos
− C5 = (0,5/2) 4=− 1 4=− 6 0
.
4
22
Investigación de operaciones Análisis de Sensibilidad
CRITERIOS A UTILIZAR
I. Si al añadir nuevas restricciones al problema original, sucede que la solución XB
asociada al problema original las satisface, entonces XB es también la solución óptima
del nuevo problema.
II Si XB viola alguna de las k nuevas restricciones, habrá que restaurar la factibilidad
del nuevo problema y obtener la optimalidad por el Método Dual Simplex.
23
Investigación de operaciones Análisis de Sensibilidad
En caso de ser necesaria la aplicación del Método Dual Simplex, a cada una de
las nuevas k restricciones deben añadirse en el tablero óptimo del (PO) con su
correspondiente variable de holgura. Todos los vectores unitarios asociados al tablero
óptimo de (PO) deben reestablecerse por medio de operaciones elementales matriciales.
El método Dual Simplex, debe aplicarse hasta obtener una solución óptima.
24
Investigación de operaciones Análisis de Sensibilidad
M ax Z = 5 X 1 + 3 X 2
s.a 3X 1 + 5 X 2 + X 3 = 15
5X1 + 2X 2 + X4 = 10
X2 + X5 = 1
Xi≥ 0
Tabla óptima:
Z X1 X2 X3 X4 X5 Z0
1 0 0 0 1 1 11
X2 0 0 1 0 0 1 1
X1 0 1 0 0 1/5 -2/5 8/5
X3 0 0 0 1 -3/5 -19/5 26/5
25
Investigación de operaciones Análisis de Sensibilidad
CONCLUSION
En realidad, puede darse una respuesta rápida a preguntas del tipo “que
sucedería si” con respecto a los cambios de estrategia, precios, u otros factores
26
Investigación de operaciones Análisis de Sensibilidad
BIBLIOGRAFIA:
http://www.investigacion-operaciones.com/operaciones.htm
27
Investigación de operaciones Análisis de Sensibilidad
28