En PL, los parámetros (datos de entrada) del modelo pueden cambiar dentro

de ciertos límites sin que cambie la solución óptima. Esto se conoce como
análisis de sensibilidad
La presentación explica las ideas básicas del análisis de sensibilidad por
medio de la solución gráfica, y después se extienden al problema general de
PL con base en los resultados que aparecen en la tabla simplex.

Análisis de sensibilidad gráfica

Esta sección demuestra la idea general del análisis de sensibilidad. Se

considerarán dos
casos:
1. La sensibilidad de la solución óptima a los cambios de la disponibilidad de
los recursos (lado derecho de las restricciones).
2. La sensibilidad de la solución óptima a los cambios en la utilidad unitaria o
el costo unitario (coeficientes de la función objetivo).
Ejemplo (Cambios en el lado derecho)

AMCO fabrica dos productos en dos máquinas. Una unidad del producto 1
requiere 2 horas en la máquina 1, y 1 hora en la máquina 2. Una unidad del
producto 2 requiere 1 hora en la máquina 1, y 3 horas en la máquina 2.
Los ingresos por unidad de los productos 1 y 2 son de $30 y $20,
respectivamente.
El tiempo de procesamiento diario total disponible en cada máquina es de
8 horas

Sean
x1 cantidades diarias de unidades de los productos 1
x2 cantidades diarias de unidades de los productos 2
La figura siguiente ilustra el cambio de la solución óptima cuando se cambia la
capacidad de la máquina1.
Si la capacidad diaria se incrementa de 8 a 9 horas, el nuevo óptimo se moverá al
punto G.
La tasa de cambio en la «z» óptima a consecuencia del cambio de la capacidad de la
máquina 1 de 8 a 9 horas se calcula como:
La tasa calculada proporciona un vínculo directo entre los datos de entrada al
modelo (recursos) y sus resultados (ingreso total). Se dice que un incremento
unitario (reducción) en la capacidad de la máquina 1 aumentará (reducirá) el
ingreso en $14.00.
El nombre valor unitario de un recurso es una descripción apropiada de la tasa
de cambio de la función objetivo por cambio unitario de un recurso. No
obstante, los primeros desarrollos de la PL acuñaron el nombre abstracto de
precio dual (o sombra), y ahora este nombre es un estándar en toda la
literatura de PL y en paquetes de “software”.

En la figura anterior podemos ver que el precio dual de $14/h permanece

válido para cambios (incrementos o reducciones) en la capacidad de la
máquina 1 que mueven su restricción paralela a sí misma a cualquier punto
sobre el segmento de línea BF.
Calculamos las capacidades de la máquina 1 en los puntos B y F como sigue:
Capacidad mínima de la máquina 1 [en B = (0, 0.267)] = 2 x 0 + 1 x 2.67 = 2.67 h
Capacidad máxima de la máquina 1 [en F = (8,0)] = 2 x 8 + 1 x 0 = 16 h
La conclusión es que el precio dual de $14/h permanece válido en el intervalo
2.67 h ≤ Capacidad de la máquina 1 ≤ 16 h
Los cambios fuera de este intervalo producen un precio dual diferente (valor por
unidad).

Elaborando cálculos similares podemos verificar que el precio dual para la

capacidad de la máquina 2 es de $2.00/h, y que no cambia cuando su
capacidad se mantiene dentro del segmento de línea DE. Ahora,
Capacidad mínima de la máquina 2 [en D = (4,0)] = 1 x 4 + 3 x 0 = 4 h
Capacidad máxima de la máquina 2 [en E = (0,8)] = 1 x 0 + 3 x 8 = 24 h
Por lo tanto, el precio dual de $2.00/h para la máquina 2 no cambia dentro del
intervalo
4 h ≤ Capacidad de la máquina 2 ≤ 24 h

Los límites calculados para las máquinas 1 y 2 se conocen como intervalos de

factibilidad.
Todos los paquetes de “software” proporcionan información sobre los precios
duales y sus intervalos de factibilidad.
Pregunta 1. Si AMCO puede incrementar la capacidad de ambas máquinas,
¿cuál máquina tendrá la prioridad?
Según los precios duales para las máquinas 1 y 2, cada hora adicional de la
máquina 1 incrementa el ingreso en $14, en comparación con sólo $2 para
la máquina 2. Por lo tanto, la máquina 1 debe tener la prioridad.
Pregunta 2. Se sugiere incrementar las capacidades de las máquinas 1 y 2
al costo adicional de $10/h para cada máquina. ¿Es esto aconsejable?
Para la máquina 1, el ingreso neto adicional por hora es 14 - 10 = $4, y para
la máquina 2, es $2 -$10 =- $8. Por consiguiente, sólo la máquina 1 debe
considerarse para el incremento de capacidad.
Pregunta 3. Si la capacidad de la máquina 1 se incrementa de 8 a 13 horas,
¿cómo impactará este incremento al ingreso óptimo?
El precio dual para la máquina 1 es $14 y es válido en el intervalo
(2.67,16)h.
El incremento propuesto de 13 horas queda comprendido dentro del
intervalo de factibilidad.
Por consiguiente, el incremento del ingreso es $14(13 - 8) = $70, lo que
significa que el ingreso total se incrementará de $128 a $198 (= $128 +
$70).
Pregunta 4. Suponga que la capacidad de la máquina 1 se incrementa a 20
horas, ¿cómo afectará este incremento al ingreso óptimo?
El cambio propuesto queda fuera del intervalo de factibilidad (2.67,16)h.

Por lo tanto, sólo podemos hacer una conclusión inmediata con respecto a un
incremento hasta de 16 horas.

Más allá de eso, se requieren más cálculos para hallar la respuesta. Recuerde
que quedar fuera del intervalo de factibilidad no significa que el problema no
tenga solución, sino que la información disponible no es suficiente para llegar a
una conclusión completa.
 Ejemplo (Cambios en los coeficientes objetivo)

La figura siguiente muestra el espacio de soluciones gráficas del problema de AMCO

presentado en el ejemplo anterior.
El óptimo ocurre en el punto C (x1 = 3.2, x2 = 1.6, z = 128). Los cambios
en unidades de ingresos (es decir, los coeficientes de la función objetivo)
modificarán la pendiente de z. Sin embargo, como puede verse en la figura, la
solución óptima en el punto C no cambia en tanto la función objetivo quede entre las
líneas BF y DE.

Sensibilidad gráfica de la solución

óptima a cambios en las unidades
de ingreso (coeficientes de la
función objetivo)
¿Cómo podemos determinar los intervalos para los coeficientes de la función
objetivo que mantendrán inalterable la función óptima en C?
Primero, escribimos la función objetivo en el formato general
Maximizar z = c1x1 + c2x2

Imagine ahora que la línea z está pivotada en C y que puede girar en el sentido
de las manecillas del reloj, así como en el sentido contrario.
La solución óptima permanecerá en el punto C en tanto z = c1x1 + c2x2
quede entre las dos líneas x1 + 3x2 = 8, y 2x1 + x2 = 8.
Esto significa que la relación c1/c2 puede variar entre 1/3 y 2/1, lo que
resulta en el siguiente intervalo de optimalidad:

Esta información proporciona respuestas inmediatas con respecto a la

solución óptima como la siguiente pregunta lo demuestra:
 Pregunta 1. Suponga que los ingresos unitarios producidos para los productos 1 y 2
cambian a $35 y $25, respectivamente.
¿Permanecerá igual el óptimo actual?
La nueva función objetivo es Maximizar z = 35x1 + 25x2

La solución en C permanecerá óptima porque c1/c2 = 35/25 = 1.4

permanece dentro del intervalo de optimalidad (0.333,2).
Cuando la relación queda afuera de este intervalo, se requieren más cálculos
para determinar el nuevo óptimo.
Observe que aunque los valores de las variables en el punto óptimo C no cambian, el
valor óptimo de z cambia a 35 x (3.2) + 25 x (1.6) = $152.

Pregunta 2. Suponga que el ingreso unitario del producto 2 se fija a su valor actual c2= $20.
¿Cuál es el intervalo de optimalidad asociado para el ingreso unitario del producto 1, c1, que
mantendrá el óptimo sin cambio?
Sustituyendo c2 = 20 en la condición 1/3 ≤ c1/c2 ≤ 2 obtenemos
1/3x 20 ≤ c1 ≤ 2 x 20 ó 6.67 ≤ c1 ≤ 40
Este intervalo asume implícitamente que c2 se mantiene fijo en $20.

Del mismo modo podemos determinar el intervalo de optimalidad para c2 si fijamos el valor
de c1 en $30. Por lo tanto, (c2 ≤ 30 x 3 y c2 ≥ 30/2 ) ó 15 ≤ c2 ≤90
 Ejemplo Maximizar Z= 3x1 + 2x2 (ganancia)
s.a. x1 + 2x2 ≤ 6 (Materia Prima A)
2x1 + x2 ≤ 8 (Materia Prima B)
- x1 + x2 ≤ 1 (Demanda)
x2 ≤ 2 (Demanda)
Max z – 3x1 – 2x2 = 0
s.a. x1 + 2x2 + s1 = 6
2x1 + x2 + s2 = 8 x1, x2, s1, s2, s3, s4 ≥ 0
- x1 + x2 + s3 = 1
x2 + s4 = 2

Básica x1 x2 s1 s2 s3 s4 sol
z 0 0 1/3 4/3 0 0 38/3
Haciendo las
x2 0 1 2/3 - 1/3 0 0 4/3
iteraciones
necesarias x1 1 0 - 1/3 2/3 0 0 10/3
nos queda
s3 0 0 -1 1 1 0 3

s4 0 0 - 2/3 1/3 0 1 2/3

x1 producir 10/3 = 3 1/3 T

x2 producir 4/3 = 1 1/3 T
Con una ganancia de z = $ 38/3 = $ 12 2/3
Estado de los recursos
Una restricción se clasifica como « escasa» o «abundante» respectivamente ya
sea que la solución óptima «consuma» o no la cantidad disponible del recurso
asociado. Esto lo deducimos de la tabla óptima
En el ejemplo anterior tenemos 4 restricciones ≤. Las 2 primeras (que
representan el uso de la materia prima) son restricciones de recursos
«auténticos». La 3ª y la 4ª tienen que ver con limitaciones de demanda
impuestas por las condiciones del mercado (recursos limitados, ya que
aumentar los límites de la demanda equivalen a ampliar la participación de la
compañía en el mercado).
En términos monetarios esto tiene el mismo efecto que incrementar la
disponibilidad de recursos físico (M.P.) a través de la asignación de fondos
adicionales

Una holgura positiva significa que el recurso no se usa totalmente, o sea que
es abundante.
Una holgura «cero» indica que el recurso se consume totalmente.

Mat prima A S1 = 0 escaso Mat prima B S2 = 0 escaso

Pint. para int. S3 = 3 abundante Pint. para ext.. S4 = 2/3 abundante

Los recursos que se pueden incrementar para mejorar la solución son S1 y S2

En el dual y1, y2, y3, y4 son los precios duales de los recursos 1, 2, 3 y 4
Entonces y1 = 1/3 , y2 = 4/3, y3 = 0, y4 = 0
Z = 38/3 – ( 1/3 S1+ 4/3 S2 + 0 S3 + 0 S4)

Si cambiamos S1 de su nivel cero actual, el valor de Z cambiará a razón de 1/3

en miles de $. Pero un cambio en S1 en realidad equivales a cambiar el recurso
1 (M.P. A) en una cantidad igual.
Esto significará que el precio dual de la M.P. A es 1/3. (un argumento igual
aplica a S2)

Si cambiamos el recurso 1 de «6» por «6 + d» unidades

La solución actual básica permanece factible si todas las variables básicas son
no negativas

2/3(6+d) – 1/3(8) + 0(1) + 0(2) ≥ 0 (1)

-1/3(6+d) + 2/3(8) +0(1) + 0(2) ≥ 0 (2)
-1(6+d) +1(8) + 1(1) + 0(2) ≥0 (3)
-2/3(6+d) + 1/3(8) + 0(1) + 1(2) ≥ 0 (4)
Resolviendo las ecuaciones
(1) 4 + 2/3d – 8/3 ≥ 0 4/3 +2/3d ≥ 0 2/3d ≥ - 4/3 d ≥ -2
(2) -2 –1/3d +16/3 ≥ 0 10/3–1/3d ≥ 0 -1/3d ≥ -10/3 d ≤ 10
(3) -6 – d +8 +1 ≥0 3–d≥0 -d ≥ -3 d≤3
(4) -4 -2/3d+8/3+2 ≥ 0 2/3 – 2/3d ≥ 0 -2/3d ≥ -2/3 d≤1

-2 1 3 10
[ -2, 1]

Entonces - 2 ≤ d ≤ 1 producirá siempre una solución factible .

Cualquier cambio que se haga fuera de este intervalo (es decir, disminuir la
M.P.A en mas de 2 Ton o aumentarla en mas de 1 Ton) nos conducirá a una
condición de infactibilidad.
Esto significa que la cantidad máxima y mínima de M.P.A para la que el precio
dual y = 1/3 permanece aplicable son 4 y 7 Ton respectivamente
Estado de la Utilidad / Costos marginales
Imaginemos cambiar la ganancia marginal en x1 de «3» a «3+d» (donde «d» puede ser
positivo o negativo), entonces
Ejemplo Maximizar Z= 3x1 + 2x2 (ganancia)
s.a. x1 + 2x2 ≤ 6 (Materia Prima A)
2x1 + x2 ≤ 8 (Materia Prima B)
- x1 + x2 ≤ 1 (Demanda)
x2 ≤ 2 (Demanda)

Max z – (3+d)x1 – 2x2 = 0

s.a. x1 + 2x2 + s1 = 6
2x1 + x2 + s2 = 8 x1, x2, s1, s2, s3, s4 ≥ 0
- x1 + x2 + s3 = 1
x2 + s4 = 2

Básica x1 x2 s1 s2 s3 s4 sol Relac

z -3 - d -2 0 0 0 0 0 ---

s1 1 2 1 0 0 0 6 6

s2 2 1 0 1 0 0 8 4

s3 -1 1 0 0 1 0 1 --- 1/2F3

0 1 0 0 0 1 2 ---
s4
 (3+d)F3 + F1
Básica x1 x2 s1 s2 s3 s4 sol Relac -F3 + F2
0 -1/2 + 1/2d 0 3/2 + 1/2d 0 0 12 + 4d --- F3 + F4
z

s1 0 3/2 1 - 1/2 0 0 2 4/3

x1 1 1/2 0 1/2 0 0 4 8

s3 -0 3/2 0 1/2 1 0 5 10/3

2/3F2
s4 0 1 0 0 0 1 2 2

Básica x1 x2 s1 s2 s3 s4 sol (1/2- 1/2d)F2 + F1

- 1/2F2 + F3
z 0 0 1/3 – 1/3 d 4/3+ 2/3d 0 0 38/3 + 10/3d -3/2F2 + F4
-F2 + F5
x2 0 1 2/3 - 1/3 0 0 4/3

x1 1 0 -1/3 2/3 0 0 10/3

s3 0 0 -1 1 1 0 3

s4 0 0 - 2/3 1/3 0 1 2/3

La solución óptima original permanece constante en tanto que los coeficientes
de s1 y s2 de la ecuación z permanezcan no negativas (maximización)

1/3 – 1/3d ≥ 0 4/3 + 2/3 d ≥ 0

- 1/3 d ≥ - 1/3 2/3 d ≥ - 4/3
d≤1 d≥-2

-2 1

-2≤d≤1

En términos de coeficientes en la función objetivo

3–2≤d≤3+1 1≤d≤4

Lo que implica que el óptimo permanece constante en [ 1, 4 ]. Sin embargo el

valor de z cambiará de acuerdo con la expresión 38/3 + 10/3 d (- 2 ≤ d ≤ 1)
 Otra forma de hacerlo es a partir del valor óptimo encontrado inicialmente

Estado de la Utilidad / Costos marginales

Imaginemos cambiar la ganancia marginal en x1 de «3» a «3+d» (donde «d» puede ser
positivo o negativo), entonces

Ejemplo Maximizar Z= 3x1 + 2x2 (ganancia)

s.a. x1 + 2x2 ≤ 6 (Materia Prima A)
2x1 + x2 ≤ 8 (Materia Prima B)
- x1 + x2 ≤ 1 (Demanda)
x2 ≤ 2 (Demanda)

Básica x1 x2 s1 s2 s3 s4 sol
z 0 0 1/3 4/3 0 0 38/3

Haciendo las x2 0 1 2/3 - 1/3 0 0 4/3

dF3+ F1
iteraciones
necesarias x1 1 0 - 1/3 2/3 0 0 10/3
nos queda 0 0 -1 1 1 0 3
s3
s4 0 0 - 2/3 1/3 0 1 2/3
 Básica x1 x2 s1 s2 s3 s4 sol
z 0 0 1/3 – 1/3d 4/3 + 2/3d 0 0 38/3 + 10/3 d

x2 0 1 2/3 - 1/3 0 0 4/3

x1 1 0 - 1/3 2/3 0 0 10/3

s3 0 0 -1 1 1 0 3

s4 0 0 - 2/3 1/3 0 1 2/3

La solución óptima original permanece constante en tanto que los coeficientes

de s1 y s2 de la ecuación z permanezcan no negativas (maximización)

1/3 – 1/3d ≥ 0 4/3 + 2/3 d ≥ 0

- 1/3 d ≥ - 1/3 2/3 d ≥ - 4/3
d≤1 d≥-2

En términos de coeficientes en la función objetivo

3–2≤d≤3+1 1≤d≤4
Lo que implica que el óptimo permanece constante en [ 1, 4 ]. Sin embargo el
valor de z cambiará de acuerdo con la expresión 38/3 + 10/3 d (- 2 ≤ d ≤ 1)