Universidad Nacional de San Cristbal de Huamanga

INTRODUCCION
En el mundo real, las condiciones de trabajo no suelen permanecer estticas, sino en
continuo estado de cambio. As las cosas, son usuales las variaciones en los precios (tanto
de productos finales como de materias primas, mano de obra, etc.), y en las cantidades de
recursos disponibles. Adems, continuamente se producen cambios en los mtodos
productivos y mejoras tecnolgicas que logran aumentar la productividad. El Anlisis de
Sensibilidad se encarga precisamente de estudiar cmo afectara a la solucin ptima
obtenida y a la funcin objetivo el cambio (dentro de un rango predeterminado) de uno de
los parmetros, manteniendo fijos los restantes. Por ejemplo, si nuestros contables estiman
al revisar los clculos que los beneficios por cada unidad de producto vendida son de 5,5
en vez de la estimacin inicial de 5 , o si resulta que ahora disponemos de recursos
adicionales (cmo diez horas ms de mano de obra, o de una nueva mquina), el Anlisis de
Sensibilidad nos ayudar a conocer cmo afectarn estos cambios a la solucin ptima
obtenida y a los beneficios totales. Conviene hacer notar que este tipo de anlisis tan slo
tiene sentido para modelos lineales no enteros (no se usa en modelos enteros ni
cuadrticos).
La tabla que nos proporciona el mtodo simplex es una gran fuente de informacin
sobre los datos de nuestro problema, siempre y cuando los sepamos descifrar. Para ello
realizaremos lo que se denomina anlisis de sensibilidad.
Una de las cosas ms importantes que nos proporciona este anlisis, es la de conocer
el intervalo de variacin de los parmetros del problema, sin que cambie nuestra solucin
ptima.

Ingeniera de Minas

~1~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

CAPITULO I
DUAL Y PRIMAL
PROBLEMA DE DUAL
El problema dual se define sistemticamente a partir del modelo de PL primal. Los dos
problemas estn estrechamente relacionados en el sentido de que la solucin ptima de uno
proporciona automticamente la solucin ptima al otro. En la mayora de los tratamientos
de PL, el dual se define para varias formas del primal segn el sentido de la optimizacin
(maximizacin o minimizacin), los tipos de restricciones (<=, >= o =), y el signo de las
variables (no negativas o irrestrictas).
La definicin del problema dual requiere expresar el problema primal en la forma de
ecuacin (todas las restricciones son ecuaciones con lado derecho no negativo, y todas las
variables son no negativas). Este requerimiento es consistente con el formato de la tabla
inicial simplex. Como consecuencia cualquier resultado obtenido a partir de la solucin
ptima primal se aplican directamente al problema dual asociado.
Las ideas clave para construir el dual a partir del primal se resumen como sigue:
1. Asignar una variable dual por cada restriccin primal.
2. Construir una restriccin dual por cada variable primal.
3. Los coeficientes de restriccin (columna) y el coeficiente objetivo de la variable primal
j-sima definen respectivamente los lados izquierdo y derecho de la restriccin dual jsima.
4. Los coeficientes objetivo duales son iguales a los lados derechos de las ecuaciones de
restriccin primales.
5. Las reglas que aparecen en la tabla 4.1 rigen el sentido de optimizacin, la direccin de
las desigualdades y los signos de las variables en el dual. Una forma fcil de recordar el
tipo de restriccin en el dual (es decir,# o $) es que si el objetivo dual es de
minimizacin (es decir, apunta hacia abajo), entonces todas las restricciones sern del
tipo $ (es decir, apuntan hacia arriba). Lo opuesto aplica cuando el objetivo dual es de
maximizacin.

Ingeniera de Minas

~2~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

EJEMPLO N 01
PROBLEMA PRIMAL
FUNCIN OBJETIVO

SUJETO A

Max ( Z )=5 X 1 +6 X 2

X 1 +2 X 2=5
X 1+ 5 X 2 3
4 X 1+ 7 X 2 8

CONDICION DE NO NEGATIVIDAD

X 1 irrestricta , X 2 0

PROBLEMA PRIMAL EN FORMA DE ECUACIN

SUSTITUIR POR

+
X 1
X 1= X 1

FUNCIN OBJETIVO

SUJETO A

++ 6 X 2
5 X 1
Max ( Z )=5 X 1

++2 X 2=5 y 1
X 1
X 1
++5 X 2 X 3=3 . y 2
+ X 1
X 1

Ingeniera de Minas

~3~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

++7 X 2+ X 4=8 . y 3
4 X 1
4 X 1

CONDICION DE NO NEGATIVIDAD

+ , X 2 , X 3 , X 4 0
, X 1
X 1

PROBLEMA DUAL
FUNCIN OBJETIVO

SUJETO A

Min ( Z )=5 y 1+ 3 y 2 +8 y 3

y 1 y 2 +4 y 3 5
y 1 + y 24 y 3 5
y 1 y 2 +4 y 3 5
y 1 y 2 +4 y 3 5
y 1 y 2 +4 y 3=5
2 y1 +5 y 2 +7 y 3 6
y 2 0
y3 0
:

y 1 irrestricta , y 2 0, y 3 0

CONSTRUCCION DEL DUAL

Ingeniera de Minas

~4~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Si el primal es de maximizacin entonces el dual es de minimizacin y viceversa. No es

necesario incluir las variables artificiales en el primal porque stas no cambiaran la
definicin del dual.
El grfico N 01 muestra la tabla simplex inicial, el cual los coeficientes de restriccin bajo
las variables iniciales forman una matriz identidad.

GRFICO 1: Tabla inicial

Con esta disposicin, las iteraciones siguientes de la tabla simplex generadas por las
operaciones de filas de Gauss-Jordan modifican los elementos de la matriz identidad para
generar la matriz inversa (grfico n 02). La matriz inversa es la clave para calcular todos
los elementos de la tabla simplex asociada.

Ingeniera de Minas

~5~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

GRFICO 2: Tabla general

SOLUCIN PTIMA DUAL

Las soluciones primal y dual estn estn estrechamente relacionados en el sentido de que la
solucin ptima de uno u otro problema da la solucin ptima al otro.
En un modelo de PL en el que la cantidad de variables es considerablemente menor que La
de restricciones, pueden ahorrarse clculos resolviendo el dual porque la cantidad de
clculos simplex depende de la cantidad de restricciones. Los mtodos para determinar los
valores duales son:

PRIMER MTODO

PTIMO DE = COEFICIENTE Z PRIMALPTIMO DE LA VARIABLE INICIAL X

( VALOR
)
LA VARIABLE DUAL) (
+ COEFICIENTE OBJETIVO ORIGINAL DE X
i

SEGUNDO MTODO

VECTOR FILA DE LOS

VALORES PTIMOS DE = COEFICIENTES OBJETIVO ORIGINALES X INVERSA PRIMAL
LAS VARIABLES DUALES
DE LAS VARIABLES BSICAS PRIMALES
PTIMA
PTIMAS

)(

EJEMPLO N 02

Ingeniera de Minas

~6~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

PROBLEMA PRIMAL
FUNCIN OBJETIVO

SUJETO A

Max ( Z )=5 X 1 +12 X 2 +4 X 3

X 1 +2 X 2 + X 3 10
2 X 1X 2+3 X 3=8
CONDICION DE NO NEGATIVIDAD

X1 , X2 , X3 0

PROBLEMA PRIMAL EN FORMA DE ECUACIN

FUNCIN OBJETIVO

SUJETO A

Max ( Z )=5 X 1 +12 X 2 +4 X 3 +0 X 4MR

X 1 +2 X 2 + X 3 + X 4=10

y1

2 X 1X 2+3 X 3+ R=8

CONDICION DE NO NEGATIVIDAD

y2

X1 , X2 , X3, X 4 , R 0

PROBLEMA DUAL
FUNCIN OBJETIVO

SUJETO A

Min ( Z )=10 y 1+ 8 y 2

y 1+ 2 y 2 5
2 y1 y 2 12
y 1+ 3 y 2 4
y1 0
y 2 M

Ingeniera de Minas

~7~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

y 1 0, R 0, y 2 Irrestricta

Anlisis con el tablero simplex

SOLUCIN POR EL PRIMER MTODO

Las variables primales iniciales x4 y R corresponden slo a las variables y1 y y2

respectivamente. Por lo tanto la solucin dual ptima dual se obtiene de la siguiente forma:

Ingeniera de Minas

~8~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

SOLUCIN POR EL SEGUNDO MTODO

La matriz inversa obtenida en el tablero simplex bajo las variables iniciales x4 y R, es

Inversa ptima =

[ ]
2
5
1
5

1
5
2
5

El orden de las variables bsicas primales ptimas en la columna Bsica es X2 seguida por
X1. Los elementos de los coeficientes objetivo originales para las dos variables deben
aparecer en el mismo orden, es decir.

( coeficiente objetivo originales )= ( coeficiente de x2 , coeficiente de x 1 )

(12,5)
Los valores duales ptimos son:

( y 1 , y 2 ) = coeficiente objetivo x ( inversa ptima )

( originales de X , X )
2

( )

2
( 12,5 ) x 5
1
5

1
5
2
5

Ingeniera de Minas

~9~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

29 2
( y 1 , y 2 ) = 5 , 5

Son soluciones factibles x1 = 0, x2 =0 , x3 = 8/3 y y1 = 6, y2 = 0, son soluciones

primales y duales factibles (arbitrarias). Los valores asociados de las funciones objetivo
son:
Z =5 x 1 +12 x 2 + 4 x3 =5 ( 0 ) +12 ( 0 )+ 4

( 83 )= 323

W =10 y 1 +8 y 2=10 ( 6 )+ 8 ( 0 )=60

En el ptimo, la relacin se mantiene como una ecuacin estricta, lo que significa que los
dos valores objetivos son iguales. Observe que la relacin no especifica cul problema es
primal y cul es dual. En este caso slo el sentido de optimizacin (maximizacin o
minimizacin) es importante.

El ptimo no puede ocurrir con z estrictamente menor que w (es decir, z

w) porque, no

importa qu tan cerca estn z y w, siempre hay la oportunidad de una mejora, lo que
contradice la optimalidad como lo demuestra la figura 4.2.

GRFICO 3: RELACIN ENTRE Z MXIMO Y W MNIMO

Para cualquier par de soluciones primales y duales factibles

Ingeniera de Minas

~ 10 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

valor objetivo en el
valor objetivo en el
(
( problemade
)
maximizacin
problemade minimizacin)

1. Mtodo dual smplex

Como en el mtodo smplex (primal), la base el mtodo smplex dual es que cada iteracin
siempre est asociada a una solucin bsica. Las condiciones de optimalidad y factibilidad
se establecen para preservar la optimalidad de las soluciones bsicas y al mismo tiempo
mover las iteraciones de la solucin hacia la factibilidad.
2. Condicin dual de factibilidad
La variable de salida xr es la variable bsica que tiene el valor ms negativo (los empates se
rompen en forma arbitraria). Si todas las variables bsicas son no negativas, termina el
algoritmo.
3. Condicin dual de optimalidad. La variable de entrada se determina entre las
variables no bsicas, como la que corresponde a

Donde zj - cj es el coeficiente objetivo del rengln z en la tabla, y es el coeficiente negativo

de restriccin de la tabla, asociado con el rengln de la variable de salida xr, y con la
columna de la variable xj no bsica. Los empates se rompen arbitrariamente.
Observe que la condicin de optimalidad dual garantiza que se mantendr la optimalidad en
todas las iteraciones.
Para el inicio de una programacin lineal que sea ptima y no factible a la vez, se deben
satisfacer dos requisitos:
1. La funcin objetivo debe satisfacer la condicin de optimalidad del mtodo smplex
regular.
2. Todas las restricciones deben ser del tipo ().

Ingeniera de Minas

~ 11 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Por la segunda condicin se requiere convertir toda () a (), slo multiplicando ambos
lados en la desigualdad () por -1. Si en la programacin lineal hay restricciones (=) se
puede reemplazar la ecuacin con dos desigualdades.
Por ejemplo:

x1 + x2 = 2,

Equivale a:

x1 + x2 1, x1 + x2 1

O bien:

x1 + x2 1, -x1 - x2 1

Despus de convertir todas las restricciones en (), la programacin lineal tendr una
solucin de inicio no factible si, y slo si al menos uno de los lados derechos de las
desigualdades es estrictamente negativo. En caso contrario, si z es ptima y ninguno de los
lados derechos es negativo no habr necesidad de aplicar el mtodo smplex dual, porque la
solucin de inicio ya es ptima y factible.
Ejemplo:
Minimizar z= 3x1 + 2x2
Sujeta a:
3x1 + x2 3
4x1 + 3x2 6
x1 + x2 3
x1, x2 0
Solucin:
Como se puede observar las dos primeras restricciones son desigualdades que no cumplen
los requisitos (), multiplicaremos por (-1) y cambia la desigualdad (), luego en la
funcin objetivo hacemos la igualdad a cero y tenemos:
0 = z - 3x1 - 2x2
Sujeta a:
-3x1 - x2 - 3
-4x1 - 3x2 - 6
x1 + x2 3
x1,x2 0
Llevando a la tabla:

Ingeniera de Minas

~ 12 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Como se puede observar la tabla comienza ptima (todas las z j cj 0 en el rengln z) y la

solucin bsica de inicio es factible(x3 = -3, x4 = -6, x5 = 3).
Segn la condicin dual de factibilidad, x4 es la variable de salida. La tabla siguiente
muestra cmo se usa la condicin dual de optimalidad para determinar la variable de
entrada:

Las razones indican que x2 es la variable de entrada. Hay que observar que una variable x j
es candidata para entrar a la solucin bsica slo que su ij sea estrictamente negativa. Eso
quiere decir que no se deben tener en cuenta las variables x3, x4 y x5.
La siguiente tabla se obtiene con las conocidas operaciones de rengln:

Ingeniera de Minas

~ 13 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Esta tabla muestra que sale x3 y entra x1, as se obtiene la siguiente tabla:

Esta ltima tabla es factible (y ptima) por lo que se termina el algoritmo. La solucin
correspondiente es: x1 = 3/5, x2 = 6/5 y z = 21/5.
Para reforzar la comprensin del mtodo smplex dual por parte del lector, la figura
siguiente muestra en forma grfica la trayectoria seguida por el algoritmo para resolver el
ejemplo anterior.
Se inicia en el punto extremo A (que es no factible y mejor que el ptimo), pasa a B (que
todava es no factible y mejor que el ptimo) y por ltimo se vuelve factible en C. En este
punto termina el proceso, con C como solucin ptima factible.

Ingeniera de Minas

~ 14 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Adicionalmente podemos realizar la solucin por el mtodo smplex dual con el programa
TORA que incluso contiene un mdulo tutorial para este mtodo.
4. Algoritmo smplex generalizado
El algoritmo smplex (primal) inicia siendo factible, pero no ptimo. El smplex dual
comienza mejor que el ptimo, pero no factible. Y si un modelo de programacin lineal
iniciara no ptimo y no factible al mismo tiempo? Hemos visto que el smplex primal tiene
en cuenta la no factibilidad de la solucin de inicio usando variables artificiales. En forma
parecida, el smplex dual tiene en cuenta la no optimalidad usando restricciones artificiales.
Aunque esos procedimientos tienen por objeto ampliar el cmputo automtico, los detalles
pueden hacer perder de vista lo que realmente implica el algoritmo smplex, que es que la

Ingeniera de Minas

~ 15 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

solucin ptima de una programacin lineal siempre se asocia con una solucin de punto de
esquina (o bsica). Con base en esta observacin deberamos poder adaptar nuestros
propios algoritmos smplex no ptimos y no factibles a la vez. En el siguiente ejemplo se
ilustra lo que se llama algoritmo smplex generalizado.
Ejemplo:
Maximizar z=2 x 3
Sujeta a:
x 1 +2 x22 x 3 8
x 1 + x 2+ x 3 8
2 x 1x 2 +4 x3 10
x 1 , x 2 , x 3 0
Solucin:
El modelo de programacin lineal se puede poner en la tabla siguiente, en el que la solucin
bsica de inicio (x4, x5, x6) es al mismo tiempo no ptima (por x3) y no factible (por x4 = -8).
La primera ecuacin se multiplic por -1 para revelar la no factibilidad en forma directa, en
la columna solucin.

El problema se puede resolver sin usar variables ni restricciones artificiales, como sigue:
quitar primero la no factibilidad aplicando una versin de la condicin smplex dual de
factibilidad, que seleccione a x4 como variable de salida. Para determinar cul es la variable
de entrada todo lo que se necesita es una variable no bsica cuyo coeficiente de restriccin
en el rengln x4 sea estrictamente negativo. Se puede hacer la seleccin sin cuidarse de
mantener la optimalidad, porque de cualquier manera es no existente en este punto
(comprela con la condicin de optimalidad dual). El resultado es la siguiente tabla:
Ingeniera de Minas

~ 16 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Ahora la solucin en esta tabla es factible, pero no ptima, y podremos usar el smplex
primal para determinar la solucin ptima. En general, si no nos hubiramos encontrado la
factibilidad en la tabla anterior, habra que repetir el procedimiento las veces necesarias
hasta satisfacer la factibilidad, o hasta que haya pruebas de que el problema no tenga
solucin factible.
Una vez establecida la factibilidad, el siguiente paso es atender la optimalidad, aplicando la
condicin adecuada de optimalidad del mtodo smplex primal.
La esencia del ejemplo es que el mtodo smplex no es rgido. En las publicaciones
abundan las variaciones del mtodo smplex (por ejemplo, el mtodo primal-dual, el
mtodo simtrico, el mtodo entrecruzado y el mtodo mltiplex) que dan la impresin que
cada uno es distinto, cuando en realidad todos buscan una solucin de punto esquina, con
inclinacin hacia los clculos automticos y quiz hacia la eficiencia de cmputo.
5. ANLISIS POSTPTIMO O DE SENSIBILIDAD
El anlisis de sensibilidad investiga el cambio de la solucin ptima que resulta de hacer
cambios en los parmetros del modelo de programacin lineal. La tabla siguiente contiene
todos los casos posibles que pueden surgir en el anlisis de sensibilidad, as como las
acciones necesarias para obtener la nueva solucin (suponiendo que exista):

Ejemplo
Ingeniera de Minas

~ 17 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

TOYCO arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los lmites
diarios de tiempo disponible para las tres operaciones son 430, 460 y 420 minutos,
respectivamente, y las utilidades por tren, camin y coche de juguete son $3, $2 y $5,
respectivamente. Los tiempos de armado por tren, en las tres operaciones son 1, 3 y 1
minutos, respectivamente.
Los tiempos respectivos por camin y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo
de cero indica que no se usa la operacin).
Solucin
Sean x1, x2 y x3 la cantidad diaria de unidades armadas de trenes, camiones y coches, los
modelos de programacin lineal y dual que le corresponden son los siguientes:

Este modelo servir para explicar los distintos procedimientos. Recurdese que ese modelo
es del ensamble de tres clases de juguetes: trenes, camiones y coches. Cada artculo
requiere tres operaciones sucesivas. Se desea determinar la cantidad de unidades de cada
juguete que haga mxima a la utilidad.
La tabla ptima asociada para el primal es:

6. Cambios que afectan la factibilidad

Ingeniera de Minas

~ 18 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

La factibilidad de la solucin ptima en el momento slo puede variar si:

A. Cambia el lado derecho de las restricciones, o
B. Se agrega al modelo una restriccin nueva.
En ambos casos se tiene no factibilidad cuando al menos un elemento del lado derecho en
la tabla ptima se hace negativo; esto es, una o ms de las variables bsicas actuales se
vuelve negativa.
A. Cambios en el lado derecho:
Estos cambios requieren volver a calcular el lado derecho de la tabla:

Recordemos que el lado derecho de la tabla expresa los valores de las variables bsicas.
B. Adicin de nuevas restricciones.
La adicin de una nueva restriccin a un modelo existente puede llevar a uno de los dos
casos siguientes:
La nueva restriccin es redundante, lo que quiere decir que se satisface con la
solucin ptima actual y, por consiguiente, se puede eliminar por completo del
modelo.
La solucin actual viola la nueva restriccin, y en este caso se puede aplicar el
mtodo smplex dual para recuperar la factibilidad.
Se observe que la adicin de una nueva restriccin, como en el caso 2, nunca puede mejorar
el valor objetivo ptimo actual.
7. Cambios que afectan la optimalidad
En esta seccin se examinan dos soluciones particulares que podran afectar la optimalidad
de la solucin actual:
A. Cambios en los coeficientes objetivo originales.
B. Adicin de una nueva actividad econmica (variable) al modelo.

A. Cambios en los coeficientes de la funcin objetivo

Ingeniera de Minas

~ 19 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

Esos cambios slo afectan la optimalidad de la solucin. Por consiguiente requieren

recalcular los coeficientes del rengln z, con el siguiente procedimiento:
1. Calcular los valores duales con los mtodos 1 y 2 de la seccin 4.2.3.
2. Usar los nuevos valores duales en la frmula 2, seccin 4.2.4, para determinar los nuevos
coeficientes en el rengln de z.
Se presentarn dos casos:
1. El nuevo rengln de z satisface la condicin de optimalidad, y la solucin permanece sin
cambio (sin embargo, el valor objetivo ptimo puede cambiar).
2. La condicin de optimalidad no se satisface, y en ese caso se aplica el mtodo smplex
(primal) para recuperar la optimalidad.
B. Adicin de una nueva actividad
La adicin de una nueva actividad en un modelo de programacin lineal equivale a agregar
una nueva variable. En forma intuitiva, la adicin de una nueva actividad slo es deseable
si es rentable, esto es, si mejora el valor ptimo de la funcin objetivo. Esta condicin se
puede verificar aplicando la frmula 2, seccin 4.2.4, a la nueva actividad. Como esa nueva
actividad no es todava parte de la solucin, se puede considerar como una variable no
bsica. Eso quiere decir que los valores duales asociados con la solucin actual permanecen
invariables.
Si la frmula 2 indica que la nueva actividad satisface la condicin de optimalidad, la
actividad no es rentable. En caso contrario, es mejor tener en cuenta la nueva actividad.
El caso de agregar una actividad nueva tambin abarca al caso en el que se hicieron
cambios en los usos de los recursos, en una actividad existente. En forma especfica se
puede considerar a x7 como si al principio tuviera un coeficiente de objetivo cero y uso cero
de los tres recursos, y que esos valores cero se cambiaron a los nuevos valores que se dan
para x7.
Por esta razn no se describir por separado el caso de cambiar los coeficientes de
restriccin de una variable existente.

Ingeniera de Minas

~ 20 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

CAPITULO II
ANALISIS DE SENSIBILIDAD
2. OBJETIVO
El objetivo del anlisis de sensibilidad es identificar los parmetros sensibles, (por ejemplo,
los parmetros cuyos valores no pueden cambiar sin que cambie la solucin ptima). Para
ciertos datos que no estn clasificados como sensibles, tambin puede resultar de gran
utilidad determinar el intervalo de valores del parmetro para el que la solucin ptima no
cambie.
3. DEFINICIN
En forma genrica, el anlisis de sensibilidad busca investigar los efectos producidos por
los cambios del entorno sobre el sistema. El propsito general es identificar los parmetros
relativamente sensibles (es decir, aquellos que no pueden cambiarse mucho sin cambiar la
solucin ptima), con el fin de estimarlos con mayor precisin y seleccionar entonces una
solucin que siga siendo buena sobre los intervalos de valores probables de los parmetros
sensibles.
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.

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

Ingeniera de Minas

~ 21 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

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, puede elegirse qu modelo
(primal o dual) se va a utilizar para investigar los efectos, gracias a las relaciones primal
-dual estudiadas en el captulo anterior.
4. IMPORTANCIA
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.
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 utilizarlos 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 en
cuenta ms de un conjunto de casos posibles.
Por tal motivo estas circunstancias que se presentan deja algunos cabos sueltos, por eso
importante llevar a cabo un anlisis de sensibilidad para investigar el efecto sobre la
solucin ptima proporcionada por la programacin lineal, para verificar si los parmetros
sufren una variacin y toman otros valores posibles.
5. INSTRUMENTOS PARA EL CLCULO DEL ANLISIS DE SENSIBILIDAD
Para resolver un problema de investigacin de operaciones en donde se pida la obtencin
del anlisis de sensibilidad se recomienda dos formas diferentes para su solucin las cuales
consisten en:
Si se dispone de una calculadora programable o computadora en el cual se pueda instalar
algn software que calcule datos de programacin lineal en este caso recomendable el
WinQsb facilitara mejor la labor del gestionador de toma de decisiones y la ventaja de
utilizar los instrumentos de tecnologa es que permite realizar modificaciones en valores de
forma inmediata y realizar tantos clculos se deseen para su posteriormente llegar a su
anlisis siempre y cuando el problema no sea extenso o complejo.
Ingeniera de Minas

~ 22 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

6. CAMBIOS EN LOS PARMETROS DEL MODELO

El anlisis de sensibilidad se lleva a cabo en:
Cambios en los niveles de recursos escasos.
Cambios en los coeficientes de la funcin objetivo (coeficientes de variables bsicas
y coeficientes de variable no bsicas).
Cambios en los coeficientes tecnolgicos (variaciones en las a para variables
bsicas y no bsicas).
Supresin y adicin de restricciones.
Adicin de nuevas variables.
7. CAMBIOS EN LOS NIVELES DE RECURSOS ESCASOS Bi
La sensibilidad de la solucin ptima de un problema de programacin lineal se mide a
travs de una cota superior y una inferior para el nivel de los recursos que se modifican. En
otras palabras, se busca un rango de factibilidad para el cual la solucin sigue siendo
ptima y solamente se vea afectada la columna de los B, donde aparecen los valores de las
variables bsicas y el valor de la funcin objetivo.
En forma grfica, la variacin en el nivel de recursos sirve para desplazar una lnea, que
representa la restriccin, de manera que se reduzca o aumente la regin factible.

Un ejemplo puede apreciarse en la siguiente grfica:

Ingeniera de Minas

~ 23 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

8. ANLISIS DE LA GRFICA ANTERIOR

Suponga que BC representa l nivel de recurso b y que B es el punto extremo que
representa la solucin ptima y, adems, ABCD son os puntos extremos que demarcan la
regin factible o conjunto convexo.
Ahora se supone que el nivel de recursos tiene un incremento AB, el cual hace que la lnea
que lo representa sea BC.
La solucin ptima se encuentra en B y los puntos que siguen siendo una combinacin
X,Y con valores diferentes, que conllevan a un nuevo valor ptimo de la funcin objetivo.
Si se representa una nueva suposicin, pero ya no de incremento de b sino de una
disminucin, o sea, -Ab,Cul sera la nueva solucin?
Si se observa la grfica, la combinacin ptima X, Y anterior ya no es ptima porque los
puntos ptimos factibles son o A o C. Por lo anterior, hay necesidad de hallar el rango de
factibilidad para poder estudiar las variaciones en la columna de cantidades, de forma que
la solucin inicial siga siendo ptima. Hay dos formas de proceder para establecer el rango
de factibilidad:
Primera. A partir de la solucin ptima y tomando los valores de las variables bsicas
sumarle algebraicamente el coeficiente a multiplicado por el incremento, positivo o
negativo, segn sea aumento o disminucin del nivel del recurso en estudio; luego, a estas
expresiones resultantes deben ser > 0, y finalmente se establece el rango de factibilidad.

Ingeniera de Minas

~ 24 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

El rango de factibilidad puede utilizarse para determinar el rango de disponibilidad del

recurso analizado y proceder a hallar el efecto sobre la solucin ptima.
La solucin ptima nueva se estima con las frmulas 1 y 2.
PROBLEMA APLICATIVO
Alagh le Cheve vende cuatro tipos de licores (productos). Los recursos necesarios de
cada uno y los precios de venta se presentan en la tabla. En la actualidad se dispone de
4600 unidades de materia prima y 5000 horas de mano de obra. Para cumplir con la
demanda de los clientes, se tienen que producir exactamente un total de 750 botellas
de licor. Los clientes demandan tambin que por lo menos se elaboren 550 unidades de
licor de la botella 4.
Determine una programacin lineal con el cual se maximicen los ingresos por las
ventas de Alagh le cheve.
MODELO MATEMATICO
Costos y recursos necesarios para ALAGH LE CHEVE

SOLUCIN
Funcin objetivo
Max Z = 5x1 + 8x2 + 10x3 + 12x4

Restricciones
x1 + x2 + x3 + x4 = 750 ------- (PRODUCTO 1, 2, 3, 4)
x4 = 550 ------ (PRODUCTO 4)

Ingeniera de Minas

~ 25 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

2x1 + 3x2 + 4x3 + 7x4 = 4600 ------ (PRODUCTO 1, 2, 3, 4)

3x1 + 4x2 + 5x3 + 6x4 = 5000 ---------- (PRODUCTO 1, 2, 3, 4)
x1, x2, x3,x4 = 0
---------- NO NEGATIVIDAD

Ingeniera de Minas

~ 26 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

RESOLUCIN DE PROBLEMA CON EL SOFTWARE WINQSB

Ya que se tiene el modelo matemtico se procede abrir el programa de programacin lineal
y entera (Linear and Integer Programming) en el men inicio, programas, WinQSB
Linear and Integer Programming.

En el men Archivo (File) seleccionar Nuevo problema (New Problem) para ingresar los
aspectos generales del problema:

Ingeniera de Minas

~ 27 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

A continuacin ilustraremos la ventana inicial, en donde introducimos los datos generales

del problema, luego, la ventana de captura de los datos correspondientes a la funcin
objetiva y las restricciones y por ltimo la ventana que nos muestra los resultados de la
solucin ptima.

Se ingresa el ttulo del problema (problema title), se numeran las variables que intervienen
en el problema en este caso son 4 (x1, x2, x3, x4) y el nmero de restricciones que estn
condicionando o limitando nuestro problema en este caso son 4. Se selecciona el criterio
objetivo, y como menciona l a funcin objetivo es: maximizar (maximizacin).Ahora como
se muestra en la restriccin x1, x2 = >0, denota que es una restriccin de no negatividad
(nonnegative continuous), de esta manera, se selecciona dicha opcin del rea de tipo de
Ingeniera de Minas

~ 28 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

variable (Default variable type). Una vez llenados todos los campos se presiona el botn
OK, generando una tabla como se muestra a continuacin.

CONCLUSIN
El anlisis de sensibilidad es una tcnica de seleccin de alternativas, que permite evaluar
la sensibilidad de la medida de una valor a la variacin de un parmetro.
Cuando se comparan dos alternativas, se calcula y se representa grficamente la medida de
valor para valores diferentes del parmetro a fin de determinar cundo es mejor cada
alternativa. Cuando se espera que diversos parmetros varen durante un rango predecible,
puede representarse grficamente la medida de valor versus cada parmetro en trminos de
una variacin porcentual de la estimacin ms probable. Esto indica a simple vista dnde es
sensible la decisin a un parmetro (graficacin horizontal aproximada) y dnde hay una ha
sensibilidad (pendientes ms grandes y graficacin no lineal). Tambin, pueden utilizarse
tres estimaciones para un parmetro muy probable, pesimista y optimista a fin de
determinar cul alternativa entre muchas es mejor. En todos estos anlisis se supone que
existe independencia entre los parmetros.

Ingeniera de Minas

~ 29 ~

Anlisis de Sistemas Mineros

Universidad Nacional de San Cristbal de Huamanga

El anlisis de sensibilidad es una tcnica de seleccin de alternativas, que permite evaluar

la sensibilidad de la medida de un valor a la variacin de un parmetro.
Cuando se comparan dos alternativas, se calcula y se representa grficamente la medida de
valor para valores diferentes del parmetro a fin de determinar cundo es mejor cada
alternativa. Cuando se espera que diversos parmetros varen durante un rango predecible,
puede representarse grficamente la medida de valor versus cada parmetro en trminos de
una variacin porcentual de la estimacin ms probable. Esto indica a simple vista dnde es
sensible la decisin a un parmetro (graficacin horizontal aproximada) y dnde hay una ha
sensibilidad (pendientes ms grandes y graficacin no lineal). Tambin, pueden utilizarse
tres estimaciones para un parmetro muy probable, pesimista y optimista a fin de
determinar cul alternativa entre muchas es mejor. En todos estos anlisis se supone que
existe independencia entre los parmetros.

Ingeniera de Minas

~ 30 ~

Anlisis de Sistemas Mineros