Investigacin de Operaciones

UNIDAD 1. Programacin lineal.

Qu es la Investigacin de Operaciones?

Las primeras actividades formales de investigacin de operaciones se dieron en Inglaterra durante la Segunda Guerra Mundial, cuando se encomend a un equipo de cientficos ingleses la toma de decisiones acerca de la mejor utilizacin de los materiales blicos.

1.1. Modelo de programacin lineal con dos variables.

Al trmino de la guerra las ideas formuladas en operaciones militares fueron adaptadas para mejorar la eficiencia y la productividad en el sector civil.
Hoy en da la IO es una herramienta dominante e indispensable para tomar decisiones.

1.1. Modelo de programacin lineal con dos variables.

Un elemento principal de la IO es el modelado matemtico. Aunque la solucin del modelo matemtico establece una base para tomar una decisin, se deben tener en cuenta factores intangibles o no cuantificables, por ejemplo el comportamiento humano, para poder llegar a la decisin final.

1.1. Modelo de programacin lineal con dos variables.

Modelos de IO Imaginen que tienen un compromiso de negocios por 5 semanas entre Fayetteville (FYV) y Denver (DEN). Vuelan hacia FYV el lunes y regresan el mircoles. Un boleto normal de viaje redondo cuesta $400, pero se ofrece el 20% de descuento si las fechas del boleto abarcan un fin de semana.
1.1. Modelo de programacin lineal con dos variables.

Un boleto de viaje en cualquier direccin cuesta 75% del precio normal. Cmo comprar los boletos para el periodo de cinco semanas?

1.1. Modelo de programacin lineal con dos variables.

Podemos pensar que el caso es un problema de decisiones, cuya solucin requiere identificar tres componentes. 1. Cules son las alternativas de decisin? 2. Bajo qu restricciones se toma la decisin? 3. Cul es el criterio objetivo adecuado para evaluar las alternativas?

1.1. Modelo de programacin lineal con dos variables.

 Podemos considerar tres alternativas: 1. Comprar cinco boletos normales FYV-DEN2.

3.

FYV Comprar uno FYV-DEN, cuatro DEN-FYVDEN que abarquen fines de semana, y uno DEN-FYV Comprar uno FYV-DEN-FYV que abarque el lunes de la primera semana y el mircoles de la ltima, y cuatro DEN-FYV-DEN que cubran los viajes restantes. Cada boleto de esta alternativa abarca un fin de semana.

1.1. Modelo de programacin lineal con dos variables.

La restriccin para estas opciones es que debes poder salir de FYV el lunes y regresar el mircoles de la misma semana. Un criterio objetivo para evaluar cada alternativa es el precio de los boletos. La alternativa que tenga el costo mnimo ser la mejor.

1.1. Modelo de programacin lineal con dos variables.

En forma especfica,
Costo de la alternativa 1= 5 x $400= $2000 Costo de la alternativa 2= 0.75x$400+4X(0.8x$400)+0.75 x$400=$1880 Costo de la alternativa 3= 5x(0.8x$400)=$1600

1.1. Modelo de programacin lineal con dos variables.

Entonces, deberamos escoger la alternativa 3 En general, el primer paso crucial de cualesquier modelo de investigacin de operaciones es la definicin de alternativas o las variables de decisin del problema.

1.1. Modelo de programacin lineal con dos variables.

A continuacin, se usan las variables de decisin para construir la funcin objetivo y las restricciones del modelo.
Terminados los tres pasos, el modelo de IO se suele organizar con el siguiente formato general:

1.1. Modelo de programacin lineal con dos variables.

Maximizar o minimizar la funcin objetivo Sujeta a Restricciones

1.1. Modelo de programacin lineal con dos variables.

Una solucin del modelo es factible si satisface todas las restricciones.

Es ptima si, adems de ser factible, produce el mejor valor (mximo o mnimo) de la funcin objetivo.

En el ejemplo de los boletos, el problema presenta 3 alternativas factibles, y la tercera es la produce la solucin ptima.

1.1. Modelo de programacin lineal con dos variables.

Aunque los modelos de investigacin de operaciones deben optimizar determinado criterio objetivo sujeto a un conjunto de restricciones, la calidad de la solucin que se obtenga depende de la exactitud del modelo para representar el sistema real.

1.1. Modelo de programacin lineal con dos variables.

Por ejemplo, en el modelo de los boletos, si uno no puede identificar todas las alternativas dominantes para comprarlos, entonces la solucin resultante slo es ptima en relacin con las alternativas que se representaron en el modelo.

1.1. Modelo de programacin lineal con dos variables.

En forma especfica, si en el modelo falta la alternativa 3, la solucin ptima resultante dira que hay que gastar $1880 como mnimo de compra de boletos, y con ello slo se obtiene una solucin subptima del problema.

1.1. Modelo de programacin lineal con dos variables.

La conclusin es que la solucin ptima de un modelo slo es la mejor para ese problema. Si sucede que el modelo representa al sistema real en forma razonablemente buena, su solucin tambin ser ptima para el caso real.

1.1. Modelo de programacin lineal con dos variables.

Solucin del modelo de IO

En la IO no se tiene una sola tcnica general con la que se resuelvan todos los modelos matemticos que surgen en la prctica.

En lugar de eso, la clase y la complejidad del modelo matemtico determina la naturaleza del mtodo de solucin.

1.1. Modelo de programacin lineal con dos variables.

La solucin del problema de los boletos requiere una clasificacin sencilla de alternativas, basada en el precio de compra total.
La tcnica ms importante de IO es la programacin lineal. Se disea para modelos con funciones objetivo y restricciones estrictamente lineales.

1.1. Modelo de programacin lineal con dos variables.

Hay otras tcnicas, como la programacin entera, en la las variables toman valores enteros; la programacin dinmica, en la que el modelo original se puede descomponer en subproblemas ms pequeos; la programacin de red, en la que el problema se puede modelar como una red y la programacin no lineal, en la que las funciones del modelo son no lineales.

1.1. Modelo de programacin lineal con dos variables.

Una peculiaridad de la mayor parte de las tcnicas de investigacin de operaciones es que en general las soluciones no se obtienen en formas cerradas, es decir, parecidas a frmulas.
En lugar de esto, se determinan mediante algoritmos.

1.1. Modelo de programacin lineal con dos variables.

Un algoritmo proporciona reglas fijas de cmputo que se aplican en forma repetitiva al problema, y cada repeticin (llamada iteracin) obtiene una solucin cada vez ms cercana a la ptima.

1.1. Modelo de programacin lineal con dos variables.

Como los clculos asociados con cada iteracin suelen ser tediosos y voluminosos, es necesario ejecutar esos algoritmos en una computadora.
Algunos modelos matemticos pueden ser tan complicados que es imposible resolverlos con cualesquiera de los algoritmos disponibles de optimizacin.

1.1. Modelo de programacin lineal con dos variables.

En esos casos se podr necesitar abandonar la bsqueda de la solucin ptima para slo buscar una solucin buena usando heursticas o reglas simples.

1.1. Modelo de programacin lineal con dos variables.

EL ARTE DEL MODELADO El modelo ilustrativo que desarrollamos de los boletos, es una representacin exacta de un caso real, porque no se usan aproximaciones.

Esto es raro en la IO, porque la mayor parte de las aplicaciones suelen implicar diversos grados de aproximacin.

1.1. Modelo de programacin lineal con dos variables.

En la figura 1.1 podemos ver los niveles de abstraccin que caracterizan al desarrollo de un modelo en IO.

1.1. Modelo de programacin lineal con dos variables.

El mundo real supuesto se abstrae del caso real, concentrndolo en variables principales que controlan el comportamiento del sistema real.
El modelo, como es una abstraccin del mundo real supuesto, expresa en una forma adecuada las funciones matemticas que representan el comportamiento del sistema supuesto.

1.1. Modelo de programacin lineal con dos variables.

Para ejemplificar los niveles de abstraccin del modelado, veamos el caso de la Tyko Manufacturing, que produce una variedad de recipientes de plstico. Cuando se emite una orden de produccin al departamento de produccin, se adquieren las materias primas necesarias en los almacenes de la empresa, o se compran a proveedores externos.

1.1. Modelo de programacin lineal con dos variables.

Una vez terminado un lote de produccin, el departamento de ventas se hace cargo de distribuir el producto entre los consumidores. Una pregunta lgica al analizar el caso Tyko es la determinacin del tamao de un lote de produccin. Cmo se puede representar este caso en un modelo?

1.1. Modelo de programacin lineal con dos variables.

Al considerar el sistema en general, se ve que algunas variables influyen en forma directa sobre el nivel de produccin, entre las que estn las de la siguiente lista (parcial), clasificada por departamentos. 1. Depto de produccin: Capacidad de produccin expresada en funcin de las horas mquina y mano de obra disponibles, inventario en proceso y normas de control de calidad

1.1. Modelo de programacin lineal con dos variables.

Depto. de materiales: Existencia disponible de materias primas, programas de entrega de sus proveedores y limitaciones de almacenamiento. 3. Depto. de ventas: Pronstico de ventas, capacidad de las instalaciones de distribucin, eficacia de la campaa publicitaria y efecto de la competencia.
2.

1.1. Modelo de programacin lineal con dos variables.

Cada una de esas variables afecta el nivel de produccin de Tyko. Sin embargo, es realmente difcil establecer relaciones funcionales explcitas entre ellas y el nivel de produccin.
Un primer nivel de abstraccin requiere la definicin de las fronteras del mundo real supuesto.

1.1. Modelo de programacin lineal con dos variables.

Pensando un poco, se puede aproximar el sistema real mediante dos variables dominantes: 1. Tasa de produccin. 2. Tasa de consumo.

La determinacin de la tasa de produccin implica variables como la capacidad de produccin, las normas de control de calidad y la disponibilidad de las materias primas.

1.1. Modelo de programacin lineal con dos variables.

La tasa de consumo est determinada por las variables asociadas al departamento de ventas.
En esencia, se logra la simplificacin del mundo real al mundo supuesto agrupando varias variables del mundo real en unas sola variable para el mundo real supuesto.

1.1. Modelo de programacin lineal con dos variables.

Ahora es ms fcil abstraer un modelo del mundo real supuesto. A partir de las tasa de produccin y de consumo se pueden establecer medidas de exceso o carencia de inventario. El modelo abstrado se puede definir de modo que equilibre los costos contrapuestos de exceso y de carencia de inventario; es decir, que minimice el costo total del inventario.

1.1. Modelo de programacin lineal con dos variables.

PROGRAMACIN LINEAL Comex produce pinturas para interiores y exteriores, M1 y M2. La tabla siguiente proporciona los datos bsicos del problema.

1.1. Modelo de programacin lineal con dos variables.

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede ser mayor que 1 ton. ms que la de pintura para exteriores.
Tambin, que la demanda mxima diaria de pintura para interiores es de 2 ton.

1.1. Modelo de programacin lineal con dos variables.

Comex desea determinar la mezcla ptima (la mejor) de productos para exteriores y para interiores que maximice la utilidad diaria total.
El modelo de programacin lineal, como en cualquier modelo de investigacin de operaciones, tiene 3 componentes bsicos.

1.1. Modelo de programacin lineal con dos variables.

Las variables de decisin que se trata de determinar. 2. El objetivo (la meta) que se trata de optimizar. 3. Las restricciones que se deben satisfacer. La definicin correcta de las variables de decisin es un primer paso esencial en el desarrollo del modelo.
1.

1.1. Modelo de programacin lineal con dos variables.

Una vez hecha, la tarea de construir la funcin objetivo y las restricciones se hace en forma ms directa.
Para el problema de Comez, se necesita determinar las cantidades a producir de pinturas para exteriores e interiores.

1.1. Modelo de programacin lineal con dos variables.

As, las variables del modelo se definen como sigue:

x1 = Toneladas producidas diariamente, de pintura de exteriores x2 = Toneladas producidas diariamente, de pintura de interiores

Para formar la funcin objetivo, la empresa desea aumentar sus utilidades todo lo posible.

1.1. Modelo de programacin lineal con dos variables.

Si z representa la utilidad diaria total (en miles de dlares), el objetivo de la empresa se expresa as:
Maximizar z= 5x1+4x2

A continuacin se definen las restricciones que limitan el uso de las materias primas y la demanda.

1.1. Modelo de programacin lineal con dos variables.

Las restricciones en materias primas se expresan verbalmente como sigue:

Uso de la materia prima M1, por da: 6x1+4x2 ton. Uso de la materia prima M2, por da: 1x1+2x2 ton.

Segn los datos del problema,

1.1. Modelo de programacin lineal con dos variables.

Ya que la disponibilidad de las materias primas M1 y M2 se limita a 24 y 6 toneladas, respectivamente, las restricciones correspondientes se expresan como sigue:
6x1+4x2 <=24 (Materia prima M1) 1x1+2x2 <=6 (Materia prima M2)

1.1. Modelo de programacin lineal con dos variables.

La primera restriccin de la demanda indica que la diferencia entre la produccin diaria de pinturas para interiores y exteriores, x2-x1, no debe ser mayor que 1 ton, y eso se traduce en
x2-x1<=1

1.1. Modelo de programacin lineal con dos variables.

La segunda restriccin de la demanda estipula que la demanda mxima diaria de pintura para interiores se limita a 2 ton, y eso se traduce como x2<=2 Una restriccin implcita (o que se sobreentiende) es que las variables x1 y x2 no pueden asumir valores negativos. Las restricciones de no negatividad, x1=>0, x2=>0, expresan ese requisito.

1.1. Modelo de programacin lineal con dos variables.

Entonces el modelo completo de Comex es: Maximizar z= 5x1+4x2 Sujeto a

6x1+4x2 <=24 (Materia prima M1) 1x1+2x2 <=6 (Materia prima M2) -x1+x2<=1 x2<=2 x1, x2=>0

1.1. Modelo de programacin lineal con dos variables.

Cualquier valor de x1 y x2 que satisfaga todas las restricciones del modelo es una solucin factible. Por ejemplo, la solucin x1=3 ton diarias y x2=1 ton diaria es factible, porque no viola alguna de las restricciones, incluyendo las de no negatividad.

1.1. Modelo de programacin lineal con dos variables.

Para comprobar este resultado se sustituye (x1=3, x2=1) en el lado izquierdo de cada restriccin. Por ejemplo en la primera restriccin 6x1+4x2 = 6x3+4x1=22, que es menor que 24 del lado derecho. El valor de la funcin objetivo correspondiente a la solucin (x1=3, x2=1) es z=5x3+4x1=19 (miles de dlares).

1.1. Modelo de programacin lineal con dos variables.

Desde el punto de vista de todo modelo, nos interesa determinar la solucin ptima factible que produzca la utilidad total mxima y al mismo tiempo satisfaga todas las restricciones.
No se acepta enumerar las soluciones factibles, porque el modelo tiene una cantidad infinita de ellas.

1.1. Modelo de programacin lineal con dos variables.

En su lugar, se necesita un procedimiento sistemtico que ubique con eficiencia la solucin ptima. El mtodo grfico y su generalizacin algebraica resuelven este punto.
En el ejemplo anterior, las funciones objetivo y restricciones son lineales, todas.

1.1. Modelo de programacin lineal con dos variables.

La linealidad implica que la programacin lineal debe satisfacer dos propiedades: Proporcionalidad y aditividad. La proporcionalidad requiere que la contribucin de cada variable de decisin en la funcin objetivo, y sus requerimientos en las restricciones, sea directamente proporcional al valor de la variable.

1.1. Modelo de programacin lineal con dos variables.

Por ejempli, en el modelo de Comex, las cantidades 5x1 y 4x2 expresan las utilidades por producir x1 y x2 ton de pintura para exteriores e interiores, respectivamente, y las utilidades unitarias por ton son 5 y 4, que definen las constantes de proporcionalidad.

1.1. Modelo de programacin lineal con dos variables.

Si por otra parte, Comex ofrece alguna clase de descuentos por cantidad cuando las ventas son mayores que ciertas cantidades, la utilidad ya no ser proporcional a las cantidades producidas por x1 y x2

1.1. Modelo de programacin lineal con dos variables.

La aditividad estipula que la contribucin total de todas las variables en la funcin objetivo y sus requerimientos en las restricciones, sean la suma directa de las contribuciones o requerimientos individuales de cada variable.

1.1. Modelo de programacin lineal con dos variables.

En el modelo Comex, la utilidad total es igual a la suma de dos componentes individuales de utilidad. Sin embargo, si los dos productos compiten por la misma parte de mercado en forma tal que un aumento de ventas de uno afecte negativamente al otro, ya no se satisface la propiedad de aditividad.

1.1. Modelo de programacin lineal con dos variables.

SOLUCIN GRFICA DE LA PROGRAMACIN LINEAL

El procedimiento de solucin grfica comprende dos pasos:

Determinacin del espacio de soluciones que define todas las soluciones factibles del modelo.

1.

1.2. Solucin grfica.

2.

Determinacin de la solucin ptima, entre todos los puntos factibles el espacio de soluciones.
Usaremos dos ejemplos en el procedimiento, para mostrar cmo se manejan las funciones objetivo de maximizacin y de minimizacin.

1.2. Solucin grfica.

En este ejemplo resolvemos el modelo de Comex. PASO 1 Determinacin del espacio de soluciones factibles:
Primero, se tendrn en cuenta las restricciones de no negatividad x1=>0 y x2=>0. En la figura 2.1, el eje horizontal x1 y el eje vertical x2 representan las variables pinturas para exteriores y pintura para interiores, respectivamente.

1.2. Solucin grfica.

En consecuencia, las restricciones de no negatividad limitan el rea del espacio de soluciones al primer cuadrante: arriba del eje x1 y a la derecha del eje x2.
Para tener en cuenta las otras cuatro restricciones, primero se sustituye cada desigualdad con una ecuacin, y a continuacin se grafica la recta resultante, ubicando dos puntos diferentes de ella.

1.2. Solucin grfica.

Por ejemplo, despus de sustituir 6x1+4x2<=24 con la recta 6x1+4x2=24, se pueden determinar dos puntos distintos, primero igualando x1=0 para obtener x2=24/4=6 y despus igualando x2=0 para obtener x1=24/6=4.
De este modo, la recta que pasa por los dos puntos (0,6) y (4, 0) es la que se identifica con (1) en la figura.

1.2. Solucin grfica.

1.2. Solucin grfica.

Espacio factible del modelo Comex

Ahora, consideramos el efecto de la desigualdad. Todo lo que hace la desigualdad es dividir al plano (x1,x2) en dos semiespacios que en este caso son semiplanos, una a cada lado de la lnea graficada. Solo una de esas dos mitades satisface la desigualdad.

1.2. Solucin grfica.

Para determinar cul es el lado correcto, se elige cualquier punto de referencia en el primer cuadrante.
Si satisface la desigualdad, el lado en el que est es el semiplano factible.

1.2. Solucin grfica.

Desde el punto de vista de los clculos, es cmodo seleccionar (0,0) como el punto de referencia, a menos que la recta pase por el origen; si as fuera, se debera elegir otro punto. El uso del punto de referencia (0,0) se ilustra con la restriccin 6x1+4x2<=24. Como 6x0+4x0=0 es menor que 24, el semiplano que representa la desigualdad incluye al origen (lo que se indica con la flecha en la figura)

1.2. Solucin grfica.

Para demostrar el uso de otros puntos de referencia, trazaremos (6,0). En este caso 6x6+4x0=36, que es mayor que el lado derecho de la primera restriccin, y eso indica que el lado en el que est (6,0) no es factible para la desigualdad. Este resultado es consistente con el que se obtuvo usando (0,0) como punto de referencia.

1.2. Solucin grfica.

Con la aplicacin del procedimiento del punto de referencia a todas las restricciones del modelo se obtiene el espacio factible que se indica en la figura.

1.2. Solucin grfica.

PASO 2 Determinacin de la solucin ptima El espacio factible de la figura est delimitado por los segmentos de recta que unen a los vrtices A,B,C,D,E y F. Todo punto dentro o en la frontera del espacio ABCDEF est formado por una cantidad infinita de puntos, es obvio que se necesita un procedimiento sistemtico para identificar la solucin ptima.

1.2. Solucin grfica.

Para identificar la solucin ptima se requiere identificar la direccin en la que aumenta la funcin de utilidad z=5x1+4x2 (recuerden que se est maximizando a z)
Para hacerlo se asignan valores arbitrarios crecientes a z. Por ejemplo; si z=10 y z=15 equivaldra a graficar dos rectas 5x1+4x2=10 y 5x1+4x2=15.

1.2. Solucin grfica.

En consecuencia, la direccin de aumento en z es la que se ve en la figura. La solucin ptima se encuentra en C, que es el punto, en el espacio de soluciones, ms all de cualquier aumento en z saca a uno de las fronteras de ABCDEF.

1.2. Solucin grfica.

1.2. Solucin grfica.

Los valores de x1 y x2 correspondientes al punto ptimo C se calculan resolviendo las ecuaciones asociadas a las rectas (1) y (2), esto es, resolviendo
6x1+4x2=24 X1+2x2=6

La solucin es x1=3 y x2=1.5 y en ese caso z=5x3+4x1.5=21.

1.2. Solucin grfica.

Eso equivale a una mezcla de productos de 3 ton. de pintura para exteriores y 1.5 ton. de pintura para interiores. La utilidad diaria correspondiente es de $21,000 No es por accidente que la solucin ptima se encuentre en un punto de esquina del espacio de soluciones, donde se cruzan dos lneas.

1.2. Solucin grfica.

En realidad, si se cambia la pendiente de la funcin utilidad z (cambiando sus coeficientes), se ver que la solucin ptima siempre se encuentra en esos puntos de esquina. Esta observacin es clave para desarrollar el algoritmo simplex general.

1.2. Solucin grfica.

ANLISIS GRFICO DE SENSIBILIDAD

Un modelo de programacin lineal es una foto instantnea de una situacin real en la que los parmetros del modelo (coeficientes de la funcin objetivo y de las restricciones) asumen valores estticos.

1.3. Anlisis grfico de sensibilidad.

Para aumentar la aplicacin de la programacin lineal en la prctica, se necesita agregar una dimensin dinmica que investigue el impacto que tiene hacer cambios en los parmetros del modelo (coeficientes de la funcin objetivo y de las restricciones) sobre la solucin ptima.

1.3. Anlisis grfico de sensibilidad.

A este proceso se le llama anlisis de sensibilidad, porque estudia la sensibilidad de la solucin ptima respecto a los cambios que se hagan en el modelo.

1.3. Anlisis grfico de sensibilidad.

Cambios en los coeficientes de la funcin objetivo

La funcin objetivo en general en un problema de programacin lineal con dos variables se puede escribir como sigue:
Maximizar o minimizar z=c1x1+c2x2

1.3. Anlisis grfico de sensibilidad.

Los cambios de los coeficientes c1 y c2 harn cambiar la pendiente de z y en consecuencia, posiblemente, el punto de esquina ptimo.
Sin embargo, hay un intervalo de variacin, tanto para c1 como para c2 dentro del cual el ptimo del momento permanece sin cambio.

1.3. Anlisis grfico de sensibilidad.

En forma especfica nos interesa determinar el intervalo de optimalidad de la relacin c1/c2 ( o de c2/c1) donde se mantenga sin cambio la solucin ptima del momento.

1.3. Anlisis grfico de sensibilidad.

En el modelo de Comex, en la figura de la solucin ptima en C proporciona el valor mximo de z=5x1+4x2

Si se cambia la solucin objetivo a z=c1x1+c2x2 la solucin en C permanecer ptima mientras la pendiente de z quede entre las pendientes de las dos lneas que se cruzan en C, que son 6x1+4x2=24 (materia prima, M1) y x1+2x2=6 (materia prima, M2)

1.3. Anlisis grfico de sensibilidad.

Esta relacin se puede expresar algebraicamente como:

o bien

1.3. Anlisis grfico de sensibilidad.

En la primera condicin, c1=/0 significa que la recta de la funcin objetivo no puede ser horizontal.
De igual modo, en la segunda condicin c2=/0 significa que z no puede ser vertical.

1.3. Anlisis grfico de sensibilidad.

Como veremos en la figura, el intervalo de optimalidad en este modelo (definido por las dos rectas que se cruzan en C) no permite que la funcin objetivo z=c1x1+c2x2 sea una lnea horizontal o vertical. El resultado es que se aplica a este ejemplo cada una de las dos condiciones dadas.

1.3. Anlisis grfico de sensibilidad.

Para los casos en los que c1 y c2 pueden asumir valores cero, el intervalo de c1/c2 (o de c2/c1) deben dividirse en dos conjuntos, en los que los denominadores no puedan ser cero.
Lo que indican las condiciones para c1/c2 y c2/c1 es que mientras que esas relaciones estn dentro de los lmites especificados, la solucin ptima permanece sin cambio en C.

1.3. Anlisis grfico de sensibilidad.

Observen que si sucede que z=c1x1+c2x2 coincide con x1+2x2=6, pueden presentarse ptimos alternativos en cualquier lugar del segmento de la recta CD.
De igual manera, si coincide 6x1+4x2=24, todos los puntos del segmento de recta BC son ptimos alternativos.

1.3. Anlisis grfico de sensibilidad.

Sin embargo, esta observacin no cambia el hecho de que C siga siendo el ptimo en ambos casos.

1.3. Anlisis grfico de sensibilidad.

Se pueden usar las condiciones dadas para determinar el intervalo ptimo para uno de los coeficientes cuando el otro permanece con su valor original, en z=5x1+4x2.
As, dado c2=4, el intervalo ptimo asociado para c1 se determina a partir de la condicin <=c1/c2<=6/4 sustituyendo c2=4, y as se obtiene 4x<=c1<=4x 6/4 o sea2<= c1<=6.

1.3. Anlisis grfico de sensibilidad.

En forma parecida, dado c1=5, la condicin 6/4 <=c1/c2 <=2 dar como resultado 10/3 <= c2<=10.

1.3. Anlisis grfico de sensibilidad.

1.3. Anlisis grfico de sensibilidad.