Esta foto de Autor desconocido está bajo licencia CC BY

ANÁLISIS DE SENSIBILIDAD
INTERVALOS DE COSTOS Y FACTIBILIDAD
 Desarrollar un análisis de la pos-
optimalidad sobre los coeficientes
de costos y sobre los límites de las
OBJETIVO DEL restricciones.
ANALISIS DE
Analizar cuando es necesario
SENSIBILIDAD
introducir al modelo una nueva
variable y una nueva restricción.
Los tipos de cambios de Análisis de Sensibilidad son:

CAMBIOS EN LOS COEFICIENTES CAMBIOS EN LOS COEFICIENTES

DE LA FUNCION OBJETIVO TECNOLOGICOS

ANALISIS DE SENSIBILIDAD

ADICION DE NUEVA
RESTRICCION

ADICION DE NUEVA VARIBLE

CAMBIOS EN LOS COEFICIENTES
DE DECISION
DE RECURSOS
 Análisis de Sensibilidad

Llamaremos Análisis de Sensibilidad al estudio de la variación del optimo

de un modelo de programación lineal o de un problema de producto de
modificaciones de ciertos parámetros como coeficientes de variables en
la función objetivo, coeficientes del lado derecho de restricciones, nuevas
variables y nuevas restricciones.
 Análisis de Sensibilidad

La idea general consiste en determinar rangos de variación de los

parámetros del modelo de PL a modo de mantener una base optima,
teniendo en cuenta que una solución básica es factible solo si todas las
variables basales tienen un valor no negativo. Debido a que el estudio de
la variación simultanea de varios parámetros puede ser difícil, nos
centraremos en primer lugar en modificaciones de un parámetro a la vez
manteniendo los restantes fijos. Estudiaremos las siguientes
posibilidades:
ESTUDIAREMOS LAS SIGUIENTES
POSIBILIDADES:
➢ Cambio 1. Cambio del coeficiente
en la función objetivo de una
variable no básica.
➢ Cambio 2 .Cambio del coeficiente
en la función objetivo de una
variable básica.
➢ Cambio 3. Cambio del coeficiente
del lado derecho de una restricción.
➢ Cambio 4. Incorporación de una
nueva variable.
➢ Cambio 5. Incorporación de una
nueva restricción.
 DADO UN PROBLEMA DE PROGRAMACIÓN LINEAL

Una empresa elabora tres tipos de bebidas utilizando zumo de piña y zumo de
melocotón. El dueño de la empresa ha comprado 1.500 litros de zumo de piña y
2.000 de zumo de melocotón. Los litros de zumo requeridos en la fabricación de
cada bebida vienen dados en la tabla siguiente.
Bebida 1 Bebida 2 Bebida 3
Zumo de Piña 6 3 3
Zumo de Melocotón 2 3 4

El precio de venta de cada bebida es 15 euros el litro. El coste del zumo de piña es
de 1 euro el litro y 2 euros el litro de zumo de melocotón. Se conoce que la
demanda de bebidas asciende a 400 litros.
 DADO UN PROBLEMA DE PROGRAMACIÓN LINEAL

El modelo que representa la situación anterior es el siguiente:

𝑍𝑚𝑎𝑥 = 5 𝑋1 + 6 𝑋2 + 4 𝑋3
6𝑋1 + 3 𝑋2 + 3 𝑋3 ≤ 1500 Litros de zumo de piña disponibles
2𝑋1 + 3 𝑋2 + 4 𝑋3 ≤ 2000 Litros de zumo de melocotón disponibles
𝑋1 + 𝑋2 + 𝑋3 ≥ 400 Demanda del producto.
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
 DADO UN PROBLEMA DE PROGRAMACIÓN LINEAL

La solución óptima del programa lineal que cumpliendo con las restricciones
que maximiza el beneficio de la empresa, viene dada en la tabla siguiente
Cj Variable Solución 5 6 4 0 0 -M 0
Básica LD
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración
Final
0 𝑆3 100 1 0 0 0.3333 0 -1 1
0 S2 500 -4 0 1 -1 1 0 0
6 X2
500 2 1 1 0.3333 0 0 0

zj 3000 12 6 6 2 0 0 0
cj-zj -7 0 -2 -2.0 0 0 0
INTERVALOS DE COSTOS
 Las variables estructurales del problema son aquellas
con las que se planteo originalmente el problema
de programación lineal que serian: 𝑋1 , 𝑋2 , 𝑋3 ,
dentro de las cuales podemos identificar variables
básicas (𝑋2 ) , y las no básicas (𝑋1 , 𝑋3 ), que aparece
en la tabla optima antes descrita

ANÁLISIS DE SENSIBILIDAD PARA LOS

COEFICIENTES DE LA FUNCIÓN OBJETIVO
 Este es el análisis más sencillo debido a que si la
variable es no básica, entonces tiene un coeficiente
distinto de cero en la fila 𝑪𝒋 - 𝒁𝒋 de la tabla simplex
final (antes descrita), este coeficiente es el máximo
valor que el coeficiente de la función objetivo de
dicha variable puede aumentar manteniendo la
solución óptima.

ANÁLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE

VARIABLES NO BÁSICAS
 En la base optima del problema las variable de
decisión no básicas son 𝑋1 , 𝑋3 , dichas variables
poseen como coeficiente en la función objetivo
𝐶1 = 5 y 𝐶3 = 4.
Llamaremos 𝐶𝑗 al coeficiente en la función
objetivo de la variable j. Como 𝑋1 y 𝑋3 no están
en la base, seria interesante determinar el valor
de 𝐶1 y 𝐶3 necesario para que la variable 𝑋1 y
𝑋3 se incorporen a la base optima.
Debido a que la modificación es en las
variables no básicas, solo se ve alterado el
precio sombra de las variables de ellas
modificadas, es decir, 𝐶1 - 𝑍1 y 𝐶3 -𝑍3 , para
Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC
realizar el cambio de los coeficientes se
incorporara una variación β al coeficiente de
𝐶1 y 𝐶3 y veamos su efecto sobre la tabla
optima

ANÁLISIS DE SENSIBILIDAD DE LOS

COEFICIENTES DE VARIABLES NO BÁSICAS
 ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE VARIABLES
NO BÁSICAS

Para este caso en particular se aplica la siguiente fórmula:

𝑪𝒋 − 𝒁𝒋 = 𝑷𝒓𝒆𝒄𝒊𝒐 𝒔𝒐𝒎𝒃𝒓𝒂 + 𝜷 ≤ 𝒐
Para 𝑋1 se hace lo siguiente:
𝑪𝟏 − 𝒁𝟏 = −𝟕 + 𝜷 ≤ 𝒐
−𝟕 + 𝜷 ≤ 𝒐
𝜷≤𝟕
En este caso cualquier variación inferior a 7 no cambiara la base y un incremento igual 7 implica que 𝑋1 puede
ser una variable básica.
La utilidad para que 𝑋1 ingrese a la base es= costo original + precio sombra = 5 + 7 = 12 Valores mayores a 12
representan un cambio en la tabla optima y requerirá efectuar iteraciones adicionales para obtener la nueva
solución .
 ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE VARIABLES
NO BÁSICAS

De todas formas, antes de asegurar que haya cambiado la solución optima, se debe verificar que efectivamente
pueda entrar a la base la variable a la que se le ha modificado su coeficiente en la función objetivo.
 En este caso puede ingresar 𝑋1 y desplazar a 𝑆3 , si decidimos un incremento de 8 lps. La nueva utilidad es:

𝑏𝑗
𝑍 𝑛𝑢𝑒𝑣𝑎 = 𝑍𝑎𝑐𝑡𝑢𝑎𝑙 + 𝑎𝑖𝑗
(𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 𝒏𝒖𝒆𝒗𝒂 − 𝒄𝒐𝒔𝒕𝒐 𝒐𝒓𝒊𝒈𝒊𝒏𝒂𝒍 + 𝒑𝒓𝒆𝒄𝒊𝒐 𝒔𝒐𝒎𝒃𝒓𝒂 )
100
𝑍 𝑛𝑢𝑒𝑣𝑎= 3000 + 1
13 − 22 = 3000 + 100 = 3,100
 ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE VARIABLES
NO BÁSICAS

Para este caso en particular tambien se aplica la siguiente fórmula:

𝑪𝒋 − 𝒁𝒋 = 𝑷𝒓𝒆𝒄𝒊𝒐 𝒔𝒐𝒎𝒃𝒓𝒂 + 𝜷 ≤ 𝒐
Para 𝑋3 se hace lo siguiente:
𝑪𝟑 − 𝒁𝟑 = −𝟐 + 𝜷 ≤ 𝒐
−𝟐 + 𝜷 ≤ 𝒐
𝜷≤𝟐
En este caso cualquier variación inferior a 2 no cambiara la base y un incremento igual a 2 implica que 𝑋_3
puede ser una variable básica.
La utilidad para que 𝑋3 ingrese a la base es = costo original + precio sombra = 4 + 2 = 6 lps
Valores mayores a 6 lps representan un cambio en el optimo y requerirá efectuar iteraciones adicionales para
obtener la nueva solución optima.
 ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE VARIABLES
NO BÁSICAS

 En este caso puede ingresar 𝑋3 y desplazar a 𝑋2 o S2 ya que se ha decido hacer un incremento de 3.5

𝑏𝑗
𝑍 𝑛𝑢𝑒𝑣𝑎 = 𝑍𝑎𝑐𝑡𝑢𝑎𝑙 + 𝑎𝑖𝑗
(𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 𝒏𝒖𝒆𝒗𝒂 − 𝒄𝒐𝒔𝒕𝒐 𝒐𝒓𝒊𝒈𝒊𝒏𝒂𝒍 + 𝒑𝒓𝒆𝒄𝒊𝒐 𝒔𝒐𝒎𝒃𝒓𝒂 )
500
𝑍 𝑛𝑢𝑒𝑣𝑎= 3000 + 1
7.5 − 6 = 3000 + 750 = 3,750 𝑢. 𝑚.
 El estudio de variaciones en coeficientes en la
función objetivo de variables básicas sigue la misma
lógica de la variación de coeficientes en la función
objetivo de variables no básicas. La idea es
determinar como varían los 𝐶𝑗 -𝑍𝑗 de todas variables y
obtener a partir de dichas modificaciones un rango
en el cual la base se ve inalterada. Evidentemente,
una modificación de este tipo no afectada la región
factible y solo puede cambiar la optimalidad de la
solución actual si la variación es lo suficientemente
importante.

ANÁLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE

VARIABLES BÁSICAS
 Para ilustrar el análisis consideremos una variación β
sobre el coeficiente 𝑐2 , es decir, modifiquemos el
valor del coeficiente en la función objetivo de la
variable 𝑥2 , que actualmente es la única variable
básica. La incorporación del parámetro β.

ANÁLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE

VARIABLES BÁSICAS
Para encontrar el intervalo de costo de la variable básica en este ejercicios 𝑋2 se analizan
todas las variables no básicas

Cj Variable Solución 5 6 4 0 0 -M 0
Básica LD
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración
Final
0 𝑆3 100 1 0 0 0.3333 0 -1 1
0 S2 500 -4 0 1 -1 1 0 0
6 X2 500 2 1 1 0.3333 0 0 0
zj 3000 12 6 6 2 0 0 0
cj-zj -7 0 -2 -2.0 0 0 0
Como la tabla final siempre es una forma canónica de las variables básicas, la
modificación solo afecta los 𝐶𝑗 -𝑍𝑗 de variables no básicas. En otras palabras, para
determinar el rango de variación que mantiene la base debemos imponer ( caso de
maximización):
(𝐶𝑘 -𝑍𝐾 )- 𝑎𝑖𝑘 x β ≤0
Donde el índice k se refiere a la variable no básica k y 𝑎𝑖𝑘 es el coeficiente en la restricción
i de la variable no básica k.

Nota: Reducir razón negativa mayor , aumentar razón positiva menor

-7 - 2β≤0 - 2 – 1β ≤0 -2-0.333β≤0
β≥ - 7 /2 β≥ -2/1 β≥ -2/0.333
β≥-3.5 β≥-2 β≥ - 6

SE PUEDE REDUCIR 2
De las razones negativas seleccionar la mayor 2.50 para reducir al costo
original y para sumar, el positivo menor.

Por lo tanto el intervalo de costo de 𝑥2 es igual a:

6 -2= 4
4 +∞ INTERVALO DE COSTO

Lo anterior significa que solo hay limitante para reducir la utilidad y puedo
aumentar hasta el infinito.
INTERVALOS DE FACTIBILIDAD
Análisis de Sensibilidad para términos independientes de las restricciones
Las restricciones de un problema de programación lineal
representan las limitantes de recursos que tiene una
empresa. La primera pregunta que se puede hacer antes
de averiguar ¿cuántos recursos más puedo contratar
para seguir con mi óptimo? (análisis de sensibilidad de los
términos independientes) es ¿cuánto es lo más que estoy
dispuesto a pagar por una unidad de recurso extra?

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
La respuesta a esta pregunta es el Precio Sombra, este
es el máximo incremento en el precio normal de un
recurso que estamos dispuestos a pagar sin que nuestras
ganancias disminuyan. Este es un dato que se puede leer
directamente de la tabla simplex final en la fila 𝐶𝑗 - 𝑍𝑗 de la
columna de la variable de holgura asociada a la
restricción o recurso que se quiere investigar

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
El precio sombra para la primera restricción se lee en la
fila del renglón 𝐶𝑗 - 𝑍𝑗 de la columna de la variable de
holgura de dicha restricción (𝑆1 ) y su valor es: 2 um., lo
cual significa que si actualmente el recurso me cuesta 3
um. por cada unidad recurso de la restricción uno, el
mayor precio que estoy dispuesto a pagar (sin que mis
ganancias disminuyan) es $3 + 2=$5 por unidad de
recurso.

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
Ahora que ya sabemos ¿cuánto pagar? Concentrémonos en decidir ¿cuánto
comprar?

Para responder a la pregunta anterior debemos de analizar el cambio del lado

derecho de una restricción.

La variación del coeficiente del lado derecho de una restricción modifica la región
factible del problema, por lo tanto puede afectar la optimalidad de la solución
optima y la condición de las restricciones (activas o no activas).

ANÁLISIS DE SENSIBILIDAD PARA

TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:
El efecto de la variación del coeficiente 𝑏𝑖 asociado a la restricción i deber ser
analizado considerando la condición de la restricción afectada. Desde este punto
de vista existen dos posibilidades:

• Caso 1
La variación afecta a una restricción no activa, es decir, una restricción de tipo ≤
con su variable de holgura en la base, o bien una restricción de tipo ≥ ¸ con su
variable de exceso en la base.

• Caso 2
La variación afecta una restricción activa, es decir, una restricción de tipo ≤ con su
variable de holgura igual a cero, o bien una restricción de tipo ≥ ¸ con su variables
de exceso igual a cero.

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
Caso 1
En este caso, las restricciones tienen un costo de oportunidad nulo, es decir,
no existe un costo asociado al hecho de no contar con una unidad
adicional para esa restricción (caso <=).
Como existe una variable de holgura o de exceso con valor no nulo (en la
base), se puede disminuir (caso ≤ o aumentar (caso ≥) el coeficiente 𝑏𝑖
hasta llevar la restricción a su limite sin alterar la solución optima.

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
 ANÁLISIS DE SENSIBILIDAD PARA
TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:

Caso 1
Cj Variable Solución 15 6 4 0 0 -M 0
Básica LD
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Para ilustrar la situación, en el problema
Iteración
en estudio podemos disminuir el
Final coeficiente 𝑏2 hasta en 500 sin
0 𝑆3 100 1 0 0 0.3333 0 -1 1 modificar la solución optima, ya que se
0 S2 están quitando recursos que no se
500 -4 0 1 -1 1 0 0
están empleando. Si disminuimos 𝑏2 en
6 X2 500 2 1 1 0.3333 0 0 0 exactamente 500 la tabla se
zj 3000 12 6 6 2 0 0 0 degenera, con las consecuencias
cj-zj -7 0 -2 -2.0 0 0 0 estudiadas previamente. Una
disminución mayor a 500 cambiaria el
optimo. En dicha situación, debemos
buscar una nueva tabla en el que
podamos hacer la modificación sin
degenerarlo (en el peor de los casos el
inicial) y volver a iterar hasta encontrar
el nuevo optimo.
 ANÁLISIS DE SENSIBILIDAD PARA
TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:

Cj Variable Solución 15 6 4 0 0 -M 0
Caso 1
Básica LD
De igual forma el coeficiente
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración
Final
0 𝑆3
𝑏3 en el ejercicio anterior se
puede aumentar hasta 100
100 1 0 0 0.3333 0 -1 1
0 S2 500 -4 0 1 -1 1 0 0
6 X2 500 2 1 1 0.3333 0 0 0 unidades si alterar la base de
zj 3000 12 6 6 2 0 0 0 la tabla optima .
cj-zj -7 0 -2 -2.0 0 0 0
Si aumentamos 𝑏3 en
exactamente 100 la tabla se
degenera, con las
consecuencias estudiadas
previamente.
 ANÁLISIS DE SENSIBILIDAD PARA
TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:

Caso 1
Cj Variable Solución 15 6 4 0 0 -M 0
Básica LD
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3 Una incremento mayor a 100
Iteración cambiaria el optimo. En dicha
Final situación, debemos buscar una
0 𝑆3 100 1 0 0 0.3333 0 -1 1 nueva tabla en el que podamos
0 S2 500 -4 0 1 -1 1 0 0 hacer la modificación sin
6 X2 500 2 1 1 0.3333 0 0 0 degenerarlo (en el peor de los
zj 3000 12 6 6 2 0 0 0
casos el inicial) y volver a iterar
hasta encontrar el nuevo
cj-zj -7 0 -2 -2.0 0 0 0
optimo
Para este caso si
incrementamos el recurso 3 en
150 unidades el resultado
cambia a una solución
infactible.
Caso 2
En este caso es necesario estudiar dos aspectos:
• La variación del valor de la función objetivo y
• El rango en el que puede variar 𝑏𝑖 para mantener la condición de no
negatividad de las variables.
Cuando la variable de holgura o de exceso asociada a la restricción no
ésta en la base, el costo de oportunidad sería no nulo (negativo en el caso
de maximización). Si se trata de una restricción de tipo ≤, el valor de 𝐶𝑗 -𝑍𝑗
representa lo que se deja de ganar por no disponer una unidad adicional a
la derecha de esa restricción.

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
 ANÁLISIS DE SENSIBILIDAD PARA
TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:

Cj Variable Solución
Caso 2
15 6 4 0 0 -M 0
Básica LD
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3 Por ejemplo, de acuerdo a la tabla
Iteración final para la primera restricción se tiene:
Final 𝐶1 − 𝑍1 = 2, es decir el aumento en 1
0 𝑆3 100 1 0 0 0.3333 0 -1 1 unidad de 𝑏1 generaría un aumento en
S2
la función objetivo en 2 um,
0 500 -4 0 1 -1 1 0 0
6 X2 500 2 1 1 0.3333 0 0 0 similarmente una disminución en 1
zj 3000 12 6 6 2 0 0 0 unidad provocaría una disminución de
cj-zj -7 0 -2 -2.0 0 0 0 la función objetivo en 2 um.
Las conclusiones anteriores son validas
siempre y cuando la variación respecte
el rango de factibilidad.
Rango de Factibilidad
Como rango de factibilidad entenderemos el intervalo
de variación del coeficiente del lado derecho 𝒃𝒊
asociado a la restricción activa i de forma de
mantener una cierta combinación de variables en la
base (el valor de la función objetivo puede cambiar).

ANÁLISIS DE SENSIBILIDAD PARA

TÉRMINOS INDEPENDIENTES DE LAS
RESTRICCIONES:
Intervalos de Factibilidad
Para determinar los intervalos de factibilidad se utiliza las siguientes operaciones :
 Para restricciones de tipo ≤
𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 + ∆𝑏𝑖 (𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 ℎ𝑜𝑙𝑔𝑢𝑟𝑎 𝑖) ≥ 0

 Para restricciones del tipo ≥

𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 − ∆𝑏𝑖 (𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑒𝑥𝑐𝑒𝑠𝑜 𝑖) ≥ 0

 Para restricciones del tipo =

𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 + ∆𝑏𝑖 (𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑎𝑙 𝑖) ≥ 0

ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS

INDEPENDIENTES DE LAS RESTRICCIONES:
 ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS INDEPENDIENTES DE LAS RESTRICCIONES:

Cj Variable Solución LD 15 6 4 0 0 -M 0
Básica 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración
Final
0 𝑆3 100 1 0 0 0.3333 0 -1 1
0 S2 500 -4 0 1 -1 1 0 0
6 X2 500 2 1 1 0.3333 0 0 0
zj 3000 12 6 6 2 0 0 0
cj-zj -7 0 -2 -2.0 0 0 0

100 0.333
𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑛𝑢𝑒𝑣𝑎 = 500 + ∆𝑏1 −1 ≥ 0 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑢𝑚𝑜 𝑑𝑒 𝑝𝑖ñ𝑎
500 0.333

100 + 0.333∆𝑏1 ≥ 0 500 − ∆𝑏1 ≥ 0 500 + 0.333∆𝑏1 ≥ 0

1500 − 300 ≤ ∆𝑏1 ≤ 1500 + 500
0.333∆𝑏1 ≥-100 −∆𝑏1 ≥ −500 0.333∆𝑏1 ≥ −500
1200 ≤ 𝑏1 ≤ 2000
−100 −500 −500
∆𝑏1 ≥ ∆𝑏1 ≤ ∆𝑏1 ≥
0.333 −1 0.333
El intervalo de factibilidad es igual a: 1200 ≤ 𝒃𝟏 ≤ 2000
∆𝑏1 ≥ −300 ∆𝑏1 ≤ 500 ∆𝑏1 ≥ −1500
 ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS INDEPENDIENTES DE LAS RESTRICCIONES:

El intervalo de factibilidad es igual a: 1200 ≤ 𝒃𝟏 ≤ 2000

Cj Variable Solución 15 6 4 0 0 -M 0
Básica LD 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración • En el plan de trabajo si en vez de disponer
Final de 1500 litros de zumo de piña dispusiera
0 𝑆3 100 1 0 0 0.3333 0 -1 1 únicamente de 1200. que solución se
0 S2 500 -4 0 1 -1 1 0 0 obtiene
6 X2 500 2 1 1 0.3333 0 0 0
Este caso es el 2 es decir:
zj 3000 12 6 6 2 0 0 0
La variación afecta una restricción activa, es
cj-zj -7 0 -2 -2.0 0 0 0
decir, una restricción de tipo ≤ con su
variable de holgura igual a cero, o bien una
𝑆3 100 0.333 0 restricción de tipo ≥ ¸ con su variables de
𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆2 = 500 − 300 −1 = 800 0 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑢𝑚𝑜 𝑑𝑒 𝑝𝑖ñ𝑎 exceso igual a cero. Por lo que al tratarse de
𝑋2 500 0.333 400
una restricción del tipo ≤, el valor de 𝐶𝑗 - 𝑍𝑗
𝑍𝑚𝑎𝑥 = 5 𝑋1 + 6 𝑋2 + 4 𝑋3 = 5 0 + 6 400 + 4 0 = 2,400 𝑢. 𝑚. representa lo que se deja de ganar por no
disponer una unidad adicional a la derecha
Como se reducen los recursos de zumo de piña en 300 se reduce la
de esa restricción, en este caso se deja de
utilidad en 600 um .
disponer de 300 litros de zumo de piña y
como el precio sombra es de 2, se dejan de
Esta reducción en la utilidad tambien la podemos obtener mediante
percibir 600 u.m.
la siguiente forma:
300(2)= 600 u.m. que se dejan de percibir por no disponer de 300
litros de zumo de piña.
 ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS INDEPENDIENTES DE LAS RESTRICCIONES:

Cj Variable Solución LD 15 6 4 0 0 -M 0
Básica 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración
Final
0 𝑆3 100 1 0 0 0.3333 0 -1 1
0 S2 500 -4 0 1 -1 1 0 0
6 X2 500 2 1 1 0.3333 0 0 0
zj 3000 12 6 6 2 0 0 0
cj-zj -7 0 -2 -2.0 0 0 0

100 0
𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑛𝑢𝑒𝑣𝑎 = 500 + ∆𝑏2 1 ≥ 0 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑢𝑚𝑜 𝑑𝑒 𝑚𝑒𝑙𝑜𝑐𝑜𝑡𝑜𝑛
500 0

100 + 0∆𝑏2 ≥ 0 500 + ∆𝑏2 ≥ 0 500 + 0∆𝑏2 ≥ 0

2000 − 500 ≤ ∆𝑏2 ≤ 1500 + ∞
0∆𝑏2 ≥-100 ∆𝑏2 ≥ −500 0∆𝑏2 ≥ −500
1500 ≤ ∆𝑏2 ≤ ∞
−100 −500 −500
∆𝑏2 ≥ ∆𝑏2 ≥ ∆𝑏2 ≥
0 1 0
El intervalo de factibilidad es igual a: 1500 ≤ 𝒃𝟐 ≤ ∞
∆𝑏2 ≥ ∞ ∆𝑏2 ≥ −500 ∆𝑏2 ≥ ∞
 ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS INDEPENDIENTES DE LAS RESTRICCIONES:

El intervalo de factibilidad es igual a: 1500 ≤ 𝒃𝟐 ≤ ∞

Cj Variable Solución 15 6 4 0 0 -M 0
Básica LD 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración • En el plan de trabajo si en vez de disponer
Final de 2000 litros de zumo de melocotón
0 𝑆3 100 1 0 0 0.3333 0 -1 1 dispusiera únicamente de 1600. que
0 S2 500 -4 0 1 -1 1 0 0 solución se obtiene
6 X2 500 2 1 1 0.3333 0 0 0
Este caso es el 1 es decir:
zj 3000 12 6 6 2 0 0 0
Las restricciones tienen un costo de
cj-zj -7 0 -2 -2.0 0 0 0
oportunidad nulo, es decir, no existe un
costo asociado al hecho de no contar con una
𝑆3 100 0 100 unidad adicional para esa restricción (caso
𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆2 = 500 − 400 1 = 100 0 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑢𝑚𝑜 𝑑𝑒 𝑚𝑒𝑙𝑜𝑐𝑜𝑡ó𝑛 <=).
𝑋2 500 0 500
Como existe una variable de holgura o de
𝑍𝑚𝑎𝑥 = 5 𝑋1 + 6 𝑋2 + 4 𝑋3 = 5 0 + 6 500 + 4 0 = 3,000 𝑢. 𝑚. exceso con valor no nulo (en la base), se
puede disminuir (caso ≤ o aumentar (caso ≥)
Como se reducen los recursos de zumo de melocotón en 400
el coeficiente 𝑏𝑖 hasta llevar la restricción a
unidades la utilidad no se ve alterada, porque de este recurso sobran
su limite sin alterar la solución optima.
500 unidades y al reducir las 400 unidades los único que pasa es que
en vez de sobrar 500 unidades, ahora solo sobran 100 unidades. Lo
anterior quiere decir que cuando una variable de holgura queda en
la base
 ANÁLISIS DE SENSIBILIDAD PARA TÉRMINOS INDEPENDIENTES DE LAS RESTRICCIONES:

El intervalo de factibilidad es igual a: 1500 ≤ 𝒃𝟐 ≤ ∞

Cj Variable Solución 15 6 4 0 0 -M 0
Básica LD 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅3 𝑆3
Iteración • En el plan de trabajo si en vez de disponer
Final de 2000 litros de zumo de melocotón
0 𝑆3 100 1 0 0 0.3333 0 -1 1 dispusiera de 2500. que solución se
0 S2 500 -4 0 1 -1 1 0 0 obtiene
6 X2 500 2 1 1 0.3333 0 0 0
Este caso es el 1 es decir:
zj 3000 12 6 6 2 0 0 0
Las restricciones tienen un costo de
cj-zj -7 0 -2 -2.0 0 0 0
oportunidad nulo, es decir, no existe un
costo asociado al hecho de no contar con una
𝑆3 100 0 100 unidad adicional para esa restricción (caso
𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑛𝑢𝑒𝑣𝑎 = 𝑆2 = 500 + 500 1 = 1000 0 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑢𝑚𝑜 𝑑𝑒 𝑚𝑒𝑙𝑜𝑐𝑜𝑡ó𝑛 <=).
𝑋2 500 0 500
Como existe una variable de holgura o de
𝑍𝑚𝑎𝑥 = 5 𝑋1 + 6 𝑋2 + 4 𝑋3 = 5 0 + 6 500 + 4 0 = 3,000 𝑢. 𝑚. exceso con valor no nulo (en la base), se
puede disminuir (caso ≤ o aumentar (caso ≥)
Como para este recurso se puede amentar hasta el infinito según el
el coeficiente 𝑏𝑖 hasta llevar la restricción a
intervalo de factibilidad, y para efectos de comprobación se
su limite sin alterar la solución optima.
incremento en 500 unidades; la utilidad no se ve alterada, porque
de este recurso sobran 500 unidades y al incrementar 500 unidades
los único que pasa es que en vez de sobrar 500 unidades, ahora
sobran 1000 unidades.