anlisis de sensibilidad algebraica.

cambios en
el lado derecho
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.

Qu es?
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:

Donde:

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
0

-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 necesitamosla matriz B inversa, la cual fcilmente podemos
rescatar identificando los parametros 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
0

-1

-1

-10

-1

30

60

Posteriormente, se contina iterando haciendo uso del Mtodo Simplex

Dual. (Ver referencia a la derecha).

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 B1Ak 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, 2y 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 >= 0
X1 X2 X3

X4

1/2

-1/2 0

-1/3 2/3

40

-4/3 2/3

20

1/2

615

7/2

X5
15

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:

X X
X XNe
X3 X4
1 2
5 w
0 1
1/2

15

0 1

2/3 0 0
1/3

40

0 0

2/3 1 1
4/3

20

0 0 1/2 7/2 0 1

61
5

1 0 1/2

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
0

-1 5

-1 0

20

-1 0

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
0

-1

-1 0

-10 6

-1 0

20

10

-3 1

-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.

Bibliografa:
http://www.gestiondeoperaciones.net/programacion_lineal/analisis-desensibilidad-en-programacion-lineal-utilizando-la-tabla-final-del-metodosimplex/
http://www.angelfire.com/ak6/invo_escom2/clase3.pdf
http://www.investigaciondeoperaciones.net/analisis_de_sensibilidad.html