Solucin y Anlisis de Sensibilidad

grficamente de un Modelo Lineal

 PROGRAMACIN LINEAL
Linear Programming Problem (LPP)
Es una tcnica matemtica con la cual se analizan funciones
lineales representativas de procesos reales, pero sujeto a
restricciones tambin lineales, con el objetivo de optimizarlas
(maximizacin o minimizacin de la funcin lineal), llamada
funcin objetivo; es decir lograr la mejor utilizacin o mejor
asignacin de los recursos de una empresa.

El criterio de optimizacin es por lo general un objetivo

econmico:
Se maximizan beneficios, utilidades, capacidades, ganancias,
etc.
Se minimizan costos, prdidas, accidentes, etc.
 ANLISIS DE SENSIBILIDAD

El anlisis de sensibilidad es una de las partes

ms importantes en la programacin lineal,
sobretodo para la toma de decisiones;

pues permite determinar cundo una solucin

sigue siendo ptima, dados algunos cambios
ya sea en el entorno del problema, en la
empresa o en los datos del problema mismo.
Los parmetros mas sensibles
requieren especial cuidado
para investigar el efecto que tendra sobre l
solucin optima proporcionada por el mtodo
simplex el hecho de que los parmetros tomaran
otros valores posibles.
Consiste en determinar qu tan sensible es la
respuesta ptima, al cambio de algunos datos
como las ganancias o costos unitarios
(coeficientes de la funcin objetivo) o

La disponibilidad de los recursos (trminos

independientes de las restricciones).
La variacin en estos datos del problema se
analiza individualmente, es decir, se analiza la
sensibilidad de la solucin debido a la
modificacin de un dato a la vez, asumiendo
que todos los dems permanecen sin
alteracin alguna.
La sensibilidad es esttica y no dinmica, pues
solo contempla el cambio de un dato a la vez y
no el de varios.
Objetivo Principal del Anlisis de Sensibilidad

Establecer un intervalo de nmeros reales en el

cual el dato que se analiza puede estar contenido,
de tal manera que la solucin sigue siendo
ptima siempre que el dato pertenezca a dicho
intervalo.
Los anlisis ms importantes son:

1.Los coeficientes de la funcin objetivo, y

2.Los trminos independientes de las
restricciones.

Se pueden abordar por medio

del Mtodo Grfico o del Mtodo Simplex.
 Anlisis de sensibilidad grfico

Veamos el siguiente modelo de programacin

lineal:
El objetivo es mantener la solucin ptima x=3.6, y=2.7
Esto lo conseguiremos siempre y cuando la recta de
isoutilidad (recta roja) pase por el punto (3.6 , 2.7) y no
exista rea de regin factible por encima de ella.
 Anlisis de sensibilidad grfico para los coeficientes de la
funcin objetivo
A partir del modelo anterior, podemos observar:

Todas las lneas rojas mantienen la solucin ptima pero las lneas azules generan una nueva
solucin ptima pues existe un rea de la regin factible sobre ellas, lo cual indica que la
funcin no ha sido optimizada en el punto que analizamos (3.6,2.7)
Notar :
Las lneas rojas, que son las que nos interesan, siempre
estn comprendidas entre las dos restricciones o
desigualdades que definen el vrtice ptimo (aquellas
que hemos hecho simultneas para encontrar la
solucin)

Las lneas azules estn o bien por bajo o bien por encima
de alguna de las dos restricciones.

Existen infinidad de rectas rojas que pasan por nuestro

vrtice ptimo y estn comprendidas entre las
restricciones.
Para encontrar estas rectas, hicimos girar la recta
solucin del problema original con centro en el punto
pivote.
Lo nico que est variando en la recta de
isoutilidad es la inclinacin de sta, y como
sabemos la inclinacin de una recta viene
dada por su pendiente, (que se obtiene con
primera derivada).

Todas las rectas de isoutilidad que

mantienen la solucin ptima tendrn la
siguiente ecuacin:

Y 2.7 = m ( X 3.6)
Y 2.7 = m ( X 3.6)
Estamos forzando que pasen por el vrtice ptimo y
permitindole que su pendiente sea variable, lo cual
la hace rotar alrededor del vrtice ptimo.

Ahora, debemos restringir la pendiente para que no

exceda la inclinacin de las restricciones, es decir que
no sea mayor ni menor a las pendientes de las
restricciones que definen la solucin.
Por lo tanto hallemos las pendientes de las
restricciones derivadas y por consiguiente sus
pendientes:

la menor pendientes es -2, la mayor es - 5/8 .

Por lo que concluimos que las pendientes de nuestras
rectas de isoutilidad deben estar entre estos valores.
Las lneas de isoutilidad son lneas que se generan
dando valores arbitrarios a la funcin objetivo (Z).

As (K es Real), cuando k=16.3 llegamos al ptimo

de nuestro problema original.

El objetivo es determinar cunto pueden valer los

coeficientes de la funcin objetivo de manera que
la solucin ptima no se altere, para ello
plantearemos coeficientes generales de la funcin,
de manera que el nuevo coeficiente de la variable
x ser Cx, y el nuevo coeficiente de la variable y
ser Cy, generando la nueva funcin objetivo.
Entonces podemos concluir que
Ahora podemos resolver la desigualdad para
el coeficiente que queremos analizar.

El anlisis se hace un coeficiente a la vez,

asumiendo que el otro permanecer
constante.
1.25 =
1.5 = = 4.8
Anlisis de sensibilidad grfico para los trminos
independientes de las restricciones.

Ahora veamos cuando uno de los trminos

independientes de las desigualdades vara, ya sea
incrementndose o reducindose; asumiendo que
los dems datos del problema siguen constantes.

Cuando se poseen ms recursos, es evidente que la

solucin ptima variar; el objetivo ser que el
vrtice de la solucin ptima siga siendo la
interseccin de las mismas restricciones, es decir,
que las restricciones que le daban solucin al
problema original, le den tambin solucin al nuevo
problema.
Las nuevas 20 unidades de recurso en una de las restricciones 20 X + 10 Y <= 120, ha
hecho que la regin factible se expande (zona azul) y evidentemente la solucin
ptima ha cambiado tambin. Las mismas dos restricciones que definan la solucin
inicial, definen tambin la nueva solucin. Se puede observar como la lnea de
isoutilidad se ha desplazado hacia el nuevo vrtice ptimo, aumentando su valor.
Si seguimos desplazando la recta de la restriccin aumentando su trmino
independiente, llegaremos a un punto en que esas restricciones ya no brindan la
solucin ptima, por ejemplo: la nueva restriccin es 20 X + 10 Y <= 170, la regin
factible ya no depende de dicha restriccin y por tanto esta restriccin ha dejado de
pertenecer a la solucin ptima, lo cual queramos evitar.
Qu determina hasta donde podemos
desplazar la recta?

Mientras desplazbamos la restriccin hacia la

derecha hubo un instante en el que dejo de
participar en la solucin ptima, y es
precisamente eso lo que buscamos evitar que
alguna de las restricciones que dieron la
respuesta inicial salga de la solucin.

En este ejemplo el punto donde la recta sale de

la solucin (8,0), es el que limita el valor de
nuestro trmino independiente.
Nota:
El punto (8,0) es donde la restriccin deja de
formar parte de la solucin.
La condicin para que la restriccin vuelva a ser
parte de la respuesta ptima es que al menos pase
por el punto que la limita, es decir, por (8,0),
manteniendo constantes sus coeficientes por
supuesto.
La nueva recta que pasa por este punto ser:
20*8 + 10*0 = 160
entonces tenemos: 20X + 10Y <= 160
El mximo valor que puede tomar el trmino
independiente de esta restriccin es 160.
Ahora Cul es el mnimo?
Similarmente podemos ejecutar ahora con la misma
restriccin, pero disminuimos el termino
independiente.
Con las 40 unidades faltantes de recurso, en una de las
restricciones 20X + 10Y <= 60 la regin factible se ha
contrado (zona celeste) y la solucin ptima ha
cambiado tambin; pero resulta que las mismas dos
restricciones que definan la solucin inicial, definen
tambin la nueva solucin.

La lnea de isoutilidad se ha desplazado hacia el nuevo

vrtice ptimo, disminuyendo su valor.
Si seguimos desplazando la recta de la restriccin
disminuyendo su trmino independiente, llegaremos a
un punto en que esas restricciones ya no brindan la
solucin ptima.
La nueva restriccin es 20X + 10Y <= 40,
La regin factible ya no depende de dicha restriccin y por tanto est
restriccin ha dejado de pertenecer a la solucin ptima, lo cua
queramos evitar.
Qu determina hasta donde podemos desplazar la
recta?
Mientras desplazbamos la restriccin hacia la izquierda
hubo un instante en el que impidi que la otra
restriccin formara parte de la solucin ptima, y es lo
que buscamos evitar que alguna de las restricciones que
dieron la respuesta inicial salga de la solucin

Por tanto ese punto donde la recta sale de la solucin

(0,5), es el que limita el valor de nuestro trmino
independiente .
Nota:
En el punto (0,5) donde la otra restriccin deja de
formar parte de la solucin.
Ahora la condicin para que la restriccin vuelva a
ser parte de la respuesta ptima es que al menos
pase por el punto que la limita, es decir, por (0,5),
manteniendo constantes sus coeficientes por
supuesto.

La nueva recta que pasa por este punto ser

20*0 + 10*5 = 50 20X + 10Y <= 50

El mnimo valor que puede tomar el trmino

independiente de esta restriccin es 50.
Hemos acotado el trmino:

Sea b2 el trmino independiente de la restriccin

nmero 2, tenemos 20X + 10Y <= b2

La respuesta se mantiene ptima, sin alterar

ningn otro dato del problema siempre que :

50 <= b2 <= 160

Al trazar lneas paralelas a la restriccin que queremos
analizar, observamos lo siguiente:
Los puntos que limitan la participacin de la restriccin
en la solucin:

El azul es el que lo limita superiormente y

El celeste lo limita inferiormente.

Ahora sustituimos esos puntos en la recta general

5X + 8Y = b1 que planteamos desde el inicio.

Lmite superior: (0,10)

5*0+8*10=80 entonces el limite superior de b es 80

Lmite inferior : (5,0)

5*5+0*8=25 entonces el lmite inferior de b1 es 25
La respuesta se mantiene ptima, sin alterar ningn otro
dato del problema siempre que:

25<= b1 <= 80
Conclusiones:

El anlisis de sensibilidad del modelo de

programacin lineal :
Se obtuvo los siguientes resultados:
Sea Ci el coeficiente de la funcin objetivo de la variable i
Sea bi el trmino independiente de la restriccin i

Siempre que exista una modificacin en una y slo una

de variables antes planteadas, manteniendo todos los
dems datos del problema constantes, y dicha variable
que cambi se mantiene dentro de los intervalos antes
planteados, entonces la solucin inicial sigue siendo
ptima, es decir: Z=16.3 para (x,y)=(3.6,2.7)
EJERCICIO : Analizar el siguiente modelo