Académique Documents
Professionnel Documents
Culture Documents
1
• La Investigación de Operaciones tiende a representar el problema cuantitativamente
para poder analizarlo y evaluar un criterio común.
Resultan en la tabla símplex final se encuentran en la columna del lado derecho, por
locual, se pueden omitir del procedimiento general tanto la conversión a la forma
apropiada de eliminación de Gauss como la prueba optimalidad.
Segundo caso:
a) Cambios en los coeficientes de una variable no básica
Considere una variable específica xj (j fija) que sea no básica en la solución óptima
dada en a tabla símplex final. El caso 2a es aquel en el que los únicos cambios al
modelo actual ocurren en uno o más de los coeficientes de esta variable, cj, a1j,
a2j........, amj. Entonces, si cj y aij, denotan los nuevos valores de estos parámetros
con Aj, (columna j de la matriz A) como el vector que contiene a aij, se tiene para el
modelo revisado.
b) Introducción de una nueva variable
Ya obtenida la solución óptima se puede descubrir que la formulación de programación
lineal no tomó en cuenta todas las actividades que pudieran ser atractivas. Considerar
una nueva actividad requiere introducir una nueva variable con los coeficientes
apropiados, a la función objetivo y a las restricciones del modelo actual, éste es el caso
2b.
Tercer caso: Cambios en los coeficientes de una variable básica
Ahora suponga que la variable xj (con j fija) que se está estudiando es una variable
básica en la solución óptima que se muestra en la tabla símplex final. El caso 3 supone
que los únicos cambios al modelo actual se hacen en los coeficientes de esta variable.
Cuarto caso: Introducción de una nueva restricción de desigualdad
Este es el último caso en el cual debe introducirse al modelo una nueva restricción,
después de que ya se ha resuelto. Este caso puede ocurrir porque se pasó por alto la
2
restricción en un principio o porque surgieron nuevas consideraciones después de
formular el modelo. Otra posibilidad es que a propósito se haya eliminado la restricción
para disminuir el esfuerzo computacional por parecer menos restrictiva que otras ya
planteadas en el modelo, pero ahora es necesario verificar esta impresión con la
solución óptima que se obtuvo.
IMPORTANCIA DEL ANÁLISIS DE SENSIBILIDAD
Es una herramienta que permite calcular los cambios y como esto puede afectar a la
solución óptima y por tanto a los datos obtenidos de esta en conclusión permite
estudiar la solución optima una vez que se modifica en ella algún valor.
Programación lineal
Análisis de sensibilidad
max 6x1+5.5x2+7y1+8y2
st
3x1+2x2+4y1+3y2<70
7x1+8x2+10y1+12y2<120
x1+x2+y1+y2<15
3
A continuación se muestran los resultados que arroja LINDO para este problema:
1) 96.00000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
Observe que las variables de holgura tienen los siguientes valores en la solución
óptima:
w1= 25
w2= 0
w3= 0
Esto es, las restricciones de mano de obra y de materia son activas lo que implica que
estos recursos se agotan con esta producción. Sin embargo todavía se tienen horas de
equipo disponibles.
La gráfica siguiente muestra las restricciones del problema en las variables X1 y Y2
4
Y2
X1 + Y2 = 15
X1 = 12
7X1 + 12Y2= 120 Y2 = 3
X1
7x1+12y2=121
x1+y2=15 x1 = 59/5, y2= 16/5
El incremento en estas variable es de:
Dz = 6 (-1/5) + 8 (1/5) = 2/5 = 0.4 que es el valor marginal (precio sombra o precio
dual) de la mano de obra.
" Por cada unidad de mano de obra que se disponga, la utilidad aumenta en 0.4"
7x1+12y2=120
x1+y2=16 x1 = 72/5, y2= 8/5
El incremento en estas variable es de:
5
x1= 72/5 - 12 = 12/5
y2= 8/5 - 3 = -7/5
Dz = 6 (12/5) + 8 (-7/5) = 16/5 = 3.2 que es el valor marginal (precio sombra o precio
dual) de la materia prima.
" Por cada unidad de materia prima que se disponga, la utilidad aumenta en 3.2"
Para la primera restricción el precio dual es cero ya que esta restricción no es activa.
Notemos que: