Anlisis de Sensibilidad

Programacin Paramtrica

Una vez que se haya resuelto un programa de

programacin lineal puede darse el caso de
que uno o varios parmetros de la
formulacin original, tales como los precios
unitarios o disponibilidad de ciertos recursos
cambien

Es necesario en ese caso volver a resolver el

problema desde el principio?
La respuesta es afortunadamente no. Existen
mtodo, llamados de anlisis de sensibilidad,
que permiten ahorra muchas iteraciones, al
resolver el nuevo problema partiendo de la
solucin ptima del problema original. El
ahorrar iteraciones implica un ahorro
considerable en los costos de utilizacin de
una computadora.

El nuevo problema puede deferir del original en

uno o varios de los siguientes cambios que pueden
ocurrir simultneamente.
a) Cambios en el vector b, o sea, cambios en el
vector de disponibilidad (fuente) de recursos.
b) Cambios en el vector c, o sea, cambios en el
vector de precios o costos unitarios.
c) Cambios en la matriz A, o sea, cambios en los
coeficientes tecnolgicos aij.
d) Cambios en el vector X, o sea, cambios en el
nmero de actividades, cuyo nivel debe decidirse.
e) Cambios en el nmero de restricciones del
sistema lineal a optimizarse.

Los cambios a, b y c pueden ocurrir de dos

formas; la forma discreta y la forma continua.
El cambio discreto tanto en los vectores b, c o en
los elementos aij de A, significa que una o varias
componentes originales de dicho vectores o
matriz son reemplazados por nuevas cantidades.

El cambio continuo es aqul en donde los

vectores a, b y c sufren cambios descritos por
b+b,
c+c,
aj+aj,

<
<
<

< ,
< ,
< ,

En donde b, c, aj son vectores,

respectivamente con las mismas dimisiones de
los vectores b, c, aj y , y son escalares que
pueden tomar cualquier valor real.
Los cambios continuos se llama programacin
paramtrica.

Anlisis de Sensibilidad para Cambios Discretos

La estructura del tablero inicial de cualquier
programa lineal de forma cannica es:

La estructura del tablero ptimo es:

Discretos

1. Cambios en el Vector b
Supngase que el problema original (PO), cuya
solucin ptima se tiene a la mano, es
Mx
Z = cX
Sujeto a: AX b
(PO)
X 0.
Se cambiar en forma discreta el vector b, cuyo
nuevo valor ser b + b, es un vector con m
componentes.

Discretos

El nuevo problema (PN) a resolver es

Mx
Z = cX
Sujeto a: AX b + b
(PN)
X 0.
El anlisis de sensibilidad para este tipo de
cambio toma como punto de partida la solucin
ptima de (PO).

Discretos

Supongamos que B1 es la inversa de la base

ptima a (PO). Entonces la solucin ptima de
(PO) es
XB = B1b 0
y
Z= cBXB.
Al cambiar b a b + b, el vector XB cambia a
un vector nuevo X1B dado por:

B (b b)

Discretos

Si X1B. 0, entonces ser la nueva solucin

ptima de (PN). Para que X1B 0 es necesario
que B1(b + b) 0. Si B1(b + b) < 0,
entonces X1B no es factible y habr que usar
dual Simplex para restaurar la factibilidad y de
hecho la optimalidad de (PN). El dual Simplex,
en caso de usarse, deber aplicarse al tablero
ptimo de (PO), cambiando la columna XB por
la nueva X1B.

Discretos

Ejemplo:
Supongamos que el programa original (PO)
consiste en producir un volumen X de un
producto qumico A que se vende a $ 5/litro y
otro volumen Y de un producto qumico B que
se vende a $ 3/litro. Dos tipos de restricciones
se consideran en este ejemplo, personal y costo
de produccin. En lo que se refiere a la primera
restriccin se tiene un mximo de 15 personas,
mientras que en lo segundo se tiene un mximo
de $ 10/hora de trabajo.

Discretos

Los coeficientes tecnolgicos estn dados por

Discretos

Si la variable X1 representa el nmero de litros

del producto qumico A a ser producido por
hora y X2 el del producto B, el programa lineal
original es:

Maximizar
Sujeto a :

Z 5 X1

3X 2

3X1
5 X1

5X 2
2X 2

15
10

X 1 0; X 2 0

(PO)

Discretos

El Tablero original es

y como el estudiante podr comprobar, el tablero

ptimo resultante es:

Discretos

y como el estudiante podr comprobar, el

tablero ptimo resultante es:

o sea

Discretos

45
X 2 19

X B X 1 20

X
19

X N X3 0
X
4 0

o sea

Z*

cB B

235000
19

XN

B 1 19
2
19

X 3 0

X 4 0
3
19
5
19

16000
( z3 c3 ; z 4 c4 ) ( 5000
,
)
19
19

Discretos

Supngase que por una recesin econmica el

nmero de empleados debe reducirse a 5 y el
costo mximo de produccin a $ 5/hora (cambio
en b).
El nuevo vector de disponibilidad de recursos es

15 10 5

b b
10 5 5

Discretos

El nuevo programa lineal (PN) a resolver sera:

Maximizar
Sujeto a :

Z 5 X1

3X 2

3X1
5 X1

5X 2
2X 2

5
5

X 1 0; X 2 0

Aqu no es necesario resolver desde cero el

problema (PN), sino que utilizando el anlisis de
sensibilidad se estudia el cambio dado por
B1(b + b) y se determina si el nuevo vector
XB = B1(b + b) es factible o no.

Discretos

Si lo es, tambin es ptimo para (PN). Si no lo

es, habr que restablecer la factibilidad y la
optimalidad, utilizando el dual Simplex a partir
del tablero optimo de (PO).
X 1B

5
B 1 (b b) 19
2
19

3
5
19

5 5
19

y por lo tanto el nuevo vector X1B:

10
X

,
X 1B 1 19
15

X
2 19

10
0,
19
15
19

Discretos

que hace ver que la base B sigue ptima. La

nueva utilidad ptima ser:
Z 1 c B X 1B
10 105
X1

(3,5) 19
(c2 , c1 )
5.5263
15
19
X2
19

Aqu se debe notar que una oportuna reduccin en

la disponibilidad de recursos b, ha causado una
reduccin en la produccin ptima de ambos
productos qumicos.

Discretos

El caso que sucede una VIOLACIN

En el problema anterior analizando lo que
suceder si el vector de recursos b cambia a:
el problema nuevo (PN)

Maximizar
Sujeto a :

Z 5 X1
3X1

3X 2
5X 2

10

5 X 1 2 X 2 20
X 1 0; X 2 0

Discretos

Analizando por su puesto lo que sucede con:

X1B = B1(b + b)

5
19
2
19

3
10

10

19
19 0

5 20 80
19
19

como se nota que se ha cometido una

VIOLACIN pues X2 = (10/19) < 0, para
restaurar la factibilidad y obtener optimalidad
del nuevo programa, utilizamos Dual Simplex.

Discretos

Usamos el tablero ptimo del programa original:

Aplicando dual Simplex resulta:

Discretos

Aplicando dual Simplex resulta:

Originando la nueva solucin y nueva base

como sigue:

Discretos

Originando la nueva solucin y nueva base

como sigue:

( B1 ) 1

5 1
13
3 0
X

X 1 10

3 ,
X 2 0

X 4 0
10


X
1 3

o sea (10/3) litros de producto qumico A por

hora, y 0 litros de producto qumico B por hora

Discretos

generando una utilidad ptima de:

Z 1 c B X 1B
0 50
X4
(0,5) 10
(c4 , c1 )
16.667

X1
3 3
Analizando la produccin tenemos (10/3) litros
de producto qumico A por hora, implica el uso
de
10
3 3 5(0) 10

Discretos

obreros, que son los que ahora se tienen, esto

origina que su respectiva holgura X3 = 0, luego
para

2(0)

10
3

50
3

en consecuencia la holgura en el costo tiene el

valor de
50
10

X 4 20

Esto es que se desperdicia (10/3) del capital de

disponibilidad.

Discretos

2. Cambios en el Vector c
Partimos de un programa original (PO), cuya
solucin ptima se hall por los mtodos de
clculo anteriormente vistos.
Este es dado por:

Mx
Sujeto a :

Z cX
AX b
X 0

Discretos

Se le har un cambio discreto al vector c, cuyo

nuevo valor ser c1 = c + c, donde c, es un
vector con n componentes. El nuevo programa
(PN) a resolver ser

Mx
Z (c c) X
Sujeto a :
AX b
X 0

Discretos

Ejemplo paralelo a la teora:

Resolveremos un problema paralelamente:
Mx

Z 5 X1

Sujeto a :

3X1
5 X1

3X 2
5X 2
2X 2

X 1 0; X 2 0

15
10

Discretos

Supongamos que tambin al principio el precio

unitario del producto qumico B (X2), se reduce
de 3 a 1. Origina el nuevo programa lineal

Mx

Z 5 X1

Sujeto a :

3X1
5 X1

X2
5X 2
2X 2

X 1 0; X 2 0

15
10

Discretos

El anlisis de sensibilidad para este tipo de

cambio toma como punto partida la solucin
ptima del (PO). Usamos la B1, es ptima
asociada a (PO). Se tiene que al cambiar c por
c + c las zj cj cambian a zj (cj + cj) y
ello se examina con
1

z j (c j c j ) c B B a j (c j c j )
donde aj es la columna j de la matriz A.

Discretos

De otra parte sabemos que en condiciones de

optimalidad debe ser zj (cj + cj) 0 para
cualquier j en A, no en B, y que debe ser cero
para cualquier j en B. Si esas dos condiciones
se cumplen, la XB asociada al tablero ptimo
de (PO) permanece ptima y el nuevo valor de
la funcin objetivo Z ser:

Z (c B c B ) X B

Discretos

En caso contrario se deber primero

restablecer la cononicidad de la base B,
mediante operaciones elementales matriciales
y despus obtener las condiciones de
optimalidad zj cj 0, para j en A y j en B
respectivamente, mediante mtodo Simplex.
Ntese que

c c (5,3,0,0) (0,2,0,0)
(5,1,0,0)

Discretos

Como la nica componente de c que cambio

es c2, nicamente debe cambiar z2 c2 a
z j (c j c j ) c B B 1a j (c j c j )

5
(1,5) 19
2
19

3
5
5
5
16
19
1 ( 19 , 19 ) 1 2
5 2
2
19

Pero zj (cj + cj) = 0 en condiciones de

optimalidad porque j=2 es bsico en el ptimo
de (PO).

Discretos
Pero zj (cj + cj) = 0 en condiciones de optimalidad porque j=2 es bsico en el ptimo de (PO).

Entonces, mediante operaciones elementales

restituimos la base y obtenemos:

Discretos

Entonces, mediante operaciones elementales

restituimos la base y obtenemos:

que no es ptimo pues z3 c3 = (5/19) < 0.

Usando Simplex se obtiene la nueva solucin
ptima dada por:

Discretos

Usando Simplex se obtiene la nueva solucin

ptima dada por:

que es ptimo y tenemos:

X1 9
,
X
X 2 0

Z 10.

Discretos

Ejemplo:
En el problema anterior supongamos que el
precio de ambos productos qumicos es 1. Esto
da un nuevo programa de la forma:

Mx

Z X1

Sujeto a :

X2

3X1 5 X 2
5 X1 2 X 2
X 1 0; X 2 0

15
10

Discretos

El nuevo vector c + c es:

c c (5, 3, 0, 0) (4,2, 0, 0)

(1, 1, 0, 0)
O sea que han cambiado z1 c1 y z2 c2 que
han cambiado a:

z1 (c1 c1 ) c B B 1a1 (c1 c1 )

5 16 3
( 19 , 19 ) 1 5 1 4
5

Discretos

5 16 3
( 19 , 19 ) 1 5 1 4
5

z 2 (c2 c2 ) c B B 1a2 (c2 c2 )

5
5 16
( 19 , 19 ) 1 3 1 2
2

Como ambos estn en la base se restituye la

optimalidad de la base:

Discretos

Como ambos estn en la base se restituye la

optimalidad de la base:

y se obtiene lo siguiente:

Discretos

y se obtiene lo siguiente:

Este tablero que es ptimo da como resultado:

20

X 1 19
45 ,
X
X 2 19

65
Z 19
.

Discretos

Ejemplo:
Sea el problema original (PO)

Mx
Z 3X1
Sujeto a :
X1

5X 2

3X1 2 X 2
X 1 0; X 2 0

4
18

Discretos