Investigacin de Operaciones

Modelos de Programacin Matemtica

Programacin Lineal
Anlisis de Sensibilidad o Post-Optimal
1) Qu ocurre con las actuales variables bsicas
si se cambia algn coeficiente del lado derecho (b)?

Si calculamos: xB B1b y se cumple: xB 0

Las mismas variables bsicas lo son tambin de la
nueva solucin ptima, calculada con el nuevo b .
Si lo anterior no se cumple, se puede aplicar el
Mtodo Simplex Dual.

Modelos de Programacin Matemtica

Programacin Lineal
Anlisis de Sensibilidad o Post-Optimal
2) Qu ocurre con la actual solucin ptima si se
agrega una nueva variable al problema ?

Para decidir si la actual solucin bsica es ptima

para el nuevo problema, calculamos el costo
reducido de la nueva variable mediante la formula:
rk ck cBTB1Ak

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
donde k es el ndice de la nueva variable y Ak su
respectiva columna en la matriz de coeficientes. Si
se cumple que rk0 se conserva la actual solucin
ptima. En caso contrario, se sigue con el Simplex.

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
3) Que ocurre con la actual solucin ptima del
problema P) si se cambian los coeficientes que
definen la funcin objetivo ?
Supongamos que el vector de coeficientes en la
funcin objetivo cambia a un vector c IR n
La actual solucin ptima tambin lo es para P
T
con:
P) Min c x
sa : Ax b
x0

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Siempre que los nuevos costos reducidos sean
mayores o iguales a cero (notar que tambin
cambia el valor de la funcin objetivo en la actual
solucin ptima). Es decir se debe cumplir que:
rD cD cBTB1D 0
rj

T 1
c j cBB A j

o equivalentemente
j

En caso contrario, se aplica el Simplex a partir de la

tabla final de P) con los nuevos costos reducidos y
nuevo valor de la actual solucin bsica.

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Veamos los cambios que tienen lugar cuando slo
vara un coeficiente del vector c de la funcin obj.

a) Cambio de un coeficiente asociado a una

variable no-bsica xJ:
Se conserva la misma solucin ptima del problema
P) ssi. para esa variable xJ:
T

rj c j cBB1A j 0

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Consideremos :

c j c j j
Por lo tanto se conserva la misma solucin ssi:

j rj

c j c j rj

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
b) Cambio en un coeficiente de la funcin objetivo
asociado a una variable bsica:
En este caso para tener la misma solucin ptima,
se debe cumplir que el costo reducido de todas las
variables.a cero.
T
rj c j cBB1A j 0

c i c i i

0
cB cB i 1 cB ie i

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Si el incremento es cualquiera en el siguiente
intervalo, se conserva la misma solucin ptima:

rj

rj

Max / yij 0 i Min / yij 0

yij

yij

donde rj es el costo reducido de la respectiva

variable no bsica en la actual solucin ptima y los
coeficientes yij denotan las entradas en la tabla final
del Simplex asociadas a la variable bsica xi (cuyo
costo cambia) y la respectiva variable no bsica xj

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Ejemplo:
La siguiente tabla, es la tabla final de un problema
de programacin lineal.
1,00

2,33

1,67

0,00

0,27

-0,07

1333,33

0,00 -0,03

0,03

1,00

-0,01

0,03

66,67

0,00

3,33

0,00

2,93

0,27

18666,67

6,67

Con esta tabla realizaremos

sensibilidad:

un anlisis de

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
a) Variar los recursos ( lado derecho):
Las xB del problema primal no cambian como base
ptima, si los valores asociados a estas variables.
xB B1b

y se cumple

xB 0

Para calcular estos intervalos de recursos, se

necesita la matriz inversa asociada a las variables
bsicas del tabla final.

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
4 10
B

1
40

4 / 15
B
1/ 150
1

1/ 15
2 / 75

Intervalo recurso 1:
4 / 15
1/ 150

1/ 15 6000 b1
x
0

2 / 75 4000

20000 4b1

0
15
15
b1 5000

10000 b1

0
150
150
b1 10000

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
5000 b1 10000
1000 b1 16000

Intervalo recurso 2:
4 / 15
1/ 150

1/ 15 6000
x
0

2 / 75 4000 b2

2500 b2 20000
1500 b2 24000

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Variable x1:
Max {0} C1 Min {((20/3)/(7/3)),((10/3)/(5/3))}

0 D1 2

10 C1* 12

Variable x4:

Mx {((20/3)/(-1/30))} D4 Min {((10/3)/(1/30))}

-200 D4 100

-60 C4* 240

II. Modelos de Programacin Matemtica

Programacin Lineal
II.6. Anlisis de Sensibilidad o Post-Optimal
Variable x2:
C2* = C2 + 2
2 - r2

C2 = -20
C2* - 20 - ( 20/3)
C2* - 80/3

Variable x3:

C3* = C3 + 3
3 - r3

C3 = -18
C3* - 18 - ( 10/3)
C3* - 64/3

II. Modelos de Programacin Matemtica

Programacin Lineal
BIBLIOGRFIA EN PROGRAMACIN LINEAL

1. Linear Programming and Network Flow, M.Bazaraa,

J.Jarvis and H.Sherali. John Wiley & Sons, Inc., New York,
Second Edition 1990.
2. Introduction to Linear Optimization, D.Bertsekas and
J.Tsitsiklis. Athena Scientific USA, 1997.
3. Linear Programming, V.Chvtal. W.H. Freeman and
Company, New York, 1983.
4. Linear Programming and Extensions, G. Dantzig.
Princeton University Press, New Jersey, tenth printing, 1993.
5. Introduccin a la Programacin Lineal y No Lineal,
D.Luenberger. Adisson Wesley Iberoamericana, 1989.
6. Linear and Combinatorial Programming, K. Murty. John
Wiley & Sons, Inc., New York, Second Edition 1976.
7. Model Building in Mathematical Programming, H.P.
Williams. John Wiley & Sons, Inc., New York, 4rd Edition
1999.