ANLISIS DE SENSIBILIDAD

Despus de que se ha obtenido la solucin ptima de un problema de programacin lineal (PL), puede darse el caso de que uno o varios parmetros de la formulacin original cambien dando origen a un nuevo problema, sin embargo mediante la aplicacin de la tcnica llamada anlisis de sensibilidad no ser necesario volver a resolver el problema desde el principio. La utilidad del anlisis de sensibilidad en los modelos de PL consiste, en que permite una interpretacin razonable de los resultados ya obtenidos. En muchos casos la informacin generada por la aplicacin del anlisis de sensibilidad es ms importante y mucho ms informativa que el simple resultado obtenido en la solucin ptima. En cierto sentido, el anlisis de sensibilidad convierte la solucin esttica de los modelos de PL. en un instrumento dinmico que evala las condiciones cambiantes. El nuevo problema puede diferir del original en uno varios de los siguientes cambios que pueden ocurrir simultneamente: 1. Cambios en la disponibilidad de recursos (vector bi). 2. Cambios en los costos o utilidades unitarias (vector Cj). 3. Cambios en los coeficientes tecnolgicos (matriz aij). La estructura inicial de una tabla simplex es la siguiente: VB Z Z 1 0 0 . . . 0 VARIABLES DE DECISIN VARIABLES DE HOLGURA 0 SOLUCIN 0

-Cj = Vector de costos o utilidades

VARIABLES DE HOLGURA

Aij = Matriz de coeficientes tecnolgicos

I = Matriz identidad

bj = Vector de disponibilidad de
recursos

Y la estructura ptima de una tabla simplex es: VB Z Z 1 0 0 . . . 0 VARIABLES DE DECISIN VARIABLES DE HOLGURA SOLUCIN

CBB-1Aij - Cj

CBB-1

Z = CBXB Z = CBB-1bj

XB
VARIABLES BSICAS

B-1Aij

B-1

XB = B-1bj

El anlisis de sensibilidad se basa en el conocimiento de la tabla inicial simplex y en la aplicacin de las propiedades de la estructura ptima de una tabla simplex.

CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS (VECTOR bj)

Maximizar Z = Cj Xj s. a AijXj= bi Xju0 Los valores ptimos de las variables de un modelo de PL estn determinados por la propiedad XB = B-1 bj y el valor ptimo de la funcin objetivo est determinado por Z = CB XB. Al experimentar un cambio en el vector b*, XB cambia a: XB* = B-1 bj* a) Si XB* u0 entonces la nueva solucin ser ptima. b) Si XB* < 0 entonces la nueva solucin XB no es factible y ser necesario aplicar el mtodo dual-simplex para restaurar la factibilidad.

El mtodo dual-simplex, en caso de aplicarse, deber hacerse a la tabla ptima del problema original, cambiando la columna solucin de XB por XB*.

Ejemplo 1. Considere el siguiente modelo de PL y su correspondiente solucin inicial y su solucin ptima. Maximizar. Z = 5X1 + 3X2 s.a 3X1 + 5X2 < 15 5X1 + 2X2 < 10 X1u0 , X2u0 Ecuacin 0 1 2 0 1 2 VB Z H1 H2 Z X2 X1 Z 1 0 0 1 0 0 X1 -5 3 5 0 0 1
T

X2 -3 5 2 0 1 0
*T

H! 0 1 0 5 / 19 5 / 19 -2 / 19

H2 0 0 1 16 / 19 -3 / 19 5 / 19

Solucin 0 15 10 235 / 19 45 / 19 20 / 19 TABLA PTIMA TABLA INICIAL

Si se decide experimentar un cambio en el vector bj = | 15 10 | a bj nueva solucin ptima? Solucin: El nuevo problema a resolver es:

= | 5 5 |, cul es el nuevo problema de PL y cul es la

Maximizar. Z = 5X1 + 3X2 s.a 3X1 + 5X2 < 5 5X1 + 2X2 < 5 X1u0 , X2u0 Aplicando la tcnica de anlisis de sensibilidad no es necesario volver a resolver el problema desde el principio, lo primero que debemos definir es la propiedad que aplica, para los cambios en el vector bj siempre se aplicar la siguiente propiedad: XB* = B-1 bj* Identificando valores: 5/19 B-1 = -2/19 Sustituyendo valores: 5/19 X B* = -2/19 5/19 -3/19 5 * 5 5/19 -3/19 5 * bj =

10/19 = 15/19

>0

Como la solucin sigue siendo factible, puesto que los valores de solucin para son todos positivos (mayores y/o iguales que cero), entonces la solucin ptima para el nuevo modelo es:

Zo = CBB-1bj* = CBXB
Identificando valores para aplicar la primera forma de obtener Zo:

Zo = CBB-1bj* CBB-1 = | 5/19 16/19 |

bj* =

Sustituyendo valores: 5

Zo = | 5/19 16/19 |
5 La segunda manera de obtener Zo es:

= 105/19

Zo = CBXB* CB = | 3
5|

Estos valores corresponden a los coeficientes de las variables bsicas en la funcin objetivo en el orden en el que aparecen en la columna solucin; es decir: X2 es la primera variable bsica en la solucin ptima y su coeficiente en la funcin objetivo es 3, la segunda variable bsica es X1 y su coeficiente en la funcin objetivo es 5. Nota 1: Si en la columna de las variables bsicas ptimas existe una holgura o un excedente entonces se anota como coeficiente 0. Nota 2: El nmero de elementos que componen al vector CB depende del nmero de variables bsicas que contenga la solucin ptima.

10/19 X B* = 15/19 Sustituyendo valores: 10/19

Zo = | 3

|
15/19

= 105/19

Conclusin: La solucin ptima del nuevo modelo obtenida por anlisis de sensibilidad es: X1 = 15/19 X2 = 10/19 H1 = H2 = 0 V. no B. Zo = 105/19

Ejemplo 2
Supongamos que ahora se decide experimentar un cambio en el vector bj = | 15 10 problema de PL y cul es la nueva solucin ptima?
T

a bj

*T

= | 10 20

|, cul es el nuevo

Solucin: El nuevo problema a resolver es: Maximizar. Z = 5X1 + 3X2 s.a 3X1 + 5X2 < 10 5X1 + 2X2 < 20 X1u0 , X2u0 Aplicando la tcnica de anlisis de sensibilidad, la propiedad que aplica para los cambios en el vector bj es: XB* = B-1 bj* Identificando valores: 5/19 B-1 = -2/19 Sustituyendo valores: 5/19 X B* = -2/19 5/19 -3/19 -10/19 = 20 80/19 5/19 -3/19

10 * bj =

20

10 *

<0

Como la solucin es no factible (al tener al menos un valor negativo), en estos casos se debe aplicar el mtodo Dual-simplex para restablecer la factibilidad del nuevo problema, utilizando la tabla ptima del problema original y sustituyendo los nuevos valores obtenidos de XB* en lugar de XB. (es decir remplazando en la columna solucin los valores actuales por los obtenidos). Nota 3: Se recomienda no considerar el valor solucin de Zo y calcularlo una vez que se obtenga la factibilidad. Ecuacin 0 1 2 0 1 2 VB Z X2 X1 Z H2 X1 Z 1 0 0 1 0 0 X1 0 0 1 0 0 1 X2 0 1 0 16 / 3 -19/ 3 -5 / 3 H! 5 / 19 5 / 19 -2 / 19 95 / 57 -5 / 3 1/3 H2 16 / 19 -3 / 19 5 / 19 0 1 0 Solucin 235 / 19 -10 / 19 80 / 19 10 / 3 10 / 3
TABLA PTIMA DEL MODELO ORIGINAL YA CON EL CAMBIO TABLA PTIMA DEL NUEVO MODELO

La solucin ptima para el nuevo modelo es:

Zo = CBB-1bj* = CBXB
Identificando valores para aplicar la primera forma de obtener Zo, considerando los valores de la tabla ptima del nuevo modelo:

Zo = CBB-1bj* CBB-1 = | 95 / 57
10 0

bj* =

20

Sustituyendo valores:

10

Zo = | 95 / 57 0 |

20

= 950 / 57 = 50 / 3

La segunda manera de obtener Zo es:

Zo = CBc* CB = | 0
5|

10 / 3 X B* = 10 / 3 Sustituyendo valores: 10 / 3

Zo = | 0

|
10 / 3

= 50 / 3

Conclusin: La solucin ptima del nuevo modelo obtenida por anlisis de sensibilidad es: X1 = 10 / 3 X2 = 0 V. no B. H1 = 10 / 3 H2 = 0 V. no B. Zo = 50 / 3

CAMBIOS EN LOS COSTOS O UTILIDADES UNITARIAS (vector Cj)

Maximizar Z = Cj Xj s. a AijXj= bi Xju0 Si se experimentan cambios en el vector Cj el nuevo modelo es: Maximizar Z = Cj* Xj s. a AijXj= bi Xju0 Este tipo de cambios toma como punto de partida la solucin ptima del problema original. Al cambiar el vector Cj, la propiedad CBB-1Aij - Cj debe ser actualizada por CBB-1Aij - Cj*, es decir, deben remplazarse los valores de las variables de decisin que corresponden al rengln Z por los obtenidos al aplicar la propiedad con el cambio en Cj* en la tabla ptima del modelo original. Donde Aij es la matriz de coeficientes tecnolgicos del modelo. Si los valores actualizados de CBB-1Aij - Cj* son positivos para las variables no-bsicas y cero para las variables bsicas para el caso de maximizar negativas y cero respectivamente para el caso de minimizar, estas cumplen con las condiciones de optimalidad y entonces la XB asociada a la tabla ptima original permanece ptima y el nuevo valor de la funcin objetivo ser:

Zo* = CBB-1bj* = CBXB

En caso contrario, mediante operaciones matriciales elementales y/o el algoritmo del mtodo simplex obtendremos las condiciones de optimalidad. Ejemplo 1: Considere el siguiente modelo de programacin lineal y su correspondiente tabla ptima: Maximizar. Z = 5X1 + 3X2 s.a 3X1 + 5X2 < 15 5X1 + 2X2 < 10 X1u0 , X2u0 Ecuacin 0 1 2 VB Z X2 X1 Z 1 0 0 X1 0 0 1 X2 0 1 0 H! 5 / 19 5 / 19 -2 / 19 H2 16 / 19 -3 / 19 5 / 19 Solucin 235 / 19 45 / 19 20 / 19 TABLA PTIMA

Supongamos que el coeficiente C2 = 3 disminuye a C2* = 1 Cul es el nuevo modelo y su correspondiente solucin ptima?. Solucin. El nuevo modelo es: Maximizar. Z = 5X1 + 1X2 s.a 3X1 + 5X2 < 15 5X1 + 2X2 < 10 X1u0 , X2u0 Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es:

CBB-1Aij - Cj *
Identificando valores

CBB-1 = | 5/19 16/19 |

Aij =
5 Sustituyendo valores: 3 CBB-1Aij - Cj * = 5 - |5 2 2

CJ * = | 5

1|

| 5/19

16/19 | * 5

1| = |5

3| -|5

1| = |0

2|

Remplazando en la tabla ptima del modelo original: Ecuacin VB Z X1 X2 H! H2 Solucin

0 Z 1 0 2 5 / 19 16 / 19 235 / 19 TABLA 1 X2 0 0 1 5 / 19 -3 / 19 45 / 19 PTIMA 2 X1 0 1 0 -2 / 19 5 / 19 20 / 19 Al sustituir los coeficientes 0 y 2 en la tabla ptima, observamos que la variable X2 es bsica por lo que la solucin pierde su estructura bsica para restablecerla debemos hacer cero el coeficiente 2, y despus verificar la optimalidad si es ptima la solucin hemos concluido, de no ser as, aplicar el algoritmo del mtodo simplex hasta obtener la solucin ptima. Ecuacin VB Z X1 X2 H1 H2 Solucin

0 1 2

Z X2 X1

1 0 0

0 0 1

0 1 0

-5 / 19 5 / 19 -2 / 19

22 / 19 -3 / 19 5 / 19

145 / 19 45 / 19 20 / 19

NRz = (R1*-2) + Rz

Como la solucin deja de ser ptima entonces aplicamos el algoritmo simplex para reestructurar la optimalidad. Ecuacin 0 1 2 0 1 2 VB Z X2 X1 Z X2 X1 Z 1 0 0 1 0 0 X1 0 0 1 0 0 1 X2 0 1 0 1 19/5 2/5 H1 -5 / 19 5 / 19 -2 / 19 0 1 0 H2 22 / 19 -3 / 19 5 / 19 1 -3 / 5 1/5 Solucin 145 / 19 45 / 19 20 / 19 10 9 2
NRz = (RP*5/19)+Rz NR1= RP R1 (19/5) NR2 = (RP*2/19)+R2

Conclusin: La solucin ptima del nuevo modelo obtenida por anlisis de sensibilidad es: X1 = 2 X2 = 9 H1 = H2 = 0 V. no B. Zo = 10 Ejemplo 2. Considere el siguiente modelo de programacin lineal y su correspondiente tabla ptima: Maximizar. Z = 5X1 + 3X2 s.a 3X1 + 5X2 < 15 5X1 + 2X2 < 10 X1u0 , X2u0 Ecuacin 0 1 2 VB Z X2 X1 Z 1 0 0 X1 0 0 1 X2 0 1 0 H! 5 / 19 5 / 19 -2 / 19 H2 16 / 19 -3 / 19 5 / 19 Solucin 235 / 19 45 / 19 20 / 19 TABLA PTIMA

Supongamos que el coeficiente C1 = 5 y C2 = 3 disminuyen a C1* = 1 y C2* = 1 Cul es el nuevo modelo y su correspondiente solucin ptima?. Solucin. El nuevo modelo es: Maximizar. Z = 1X1 + 1X2 s.a 3X1 + 5X2 < 15 5X1 + 2X2 < 10 X1u0 , X2u0 Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es:

Identificando valores

CBB-1Aij - Cj *

CBB-1 = | 5/19 16/19 |

Aij =
5 2

CJ * = | 1

1|

Sustituyendo valores: 3 CBB-1Aij - Cj * = 5 - |5 2

| 5/19

16/19 | * 5

1| = |5

3| -|1

1| = |4

2|

Remplazando en la tabla ptima del modelo original: Ecuacin 0 1 2 VB Z X2 X1 Z 1 0 0 X1 4 0 1 X2 2 1 0 H! 5 / 19 5 / 19 -2 / 19 H2 16 / 19 -3 / 19 5 / 19 Solucin 235 / 19 45 / 19 20 / 19 TABLA PTIMA

Al sustituir los coeficientes 4 y 2 en la tabla ptima, observamos que las variables X1 y X2 son bsicas por lo que la solucin pierde su estructura bsica para restablecerla debemos hacer cero ambos coeficientes, y despus verificar la optimalidad si es ptima la solucin hemos concluido, de no ser as, aplicar el algoritmo del mtodo simplex hasta obtener la solucin ptima. Ecuacin 0 0 1 2 VB Z Z X2 X1 Z 1 1 0 0 X1 4 0 0 1 X2 0 0 1 0 H1 -5 / 19 3 / 19 5 / 19 -2 / 19 H2 22 / 19 2 / 19 -3 / 19 5 / 19 Solucin 145 / 19 65 / 19 45 / 19 20 / 19
NRz = (R1*-2) + Rz NRz = (R2*-4) + Rz

Como la solucin se mantiene ptima entonces hemos concluido. Conclusin: La solucin ptima del nuevo modelo obtenido por anlisis de sensibilidad es: X1 = 20/19 X2 = 45/19 H1 = H2 = 0 V. no B. Zo = 65/19