1

ndice
ndice..................................................................................................................................................... 1
3.1 Planteamiento de problemas de Programacin no lineal.................................................................2
3.2 Optimizacin Clsica....................................................................................................................... 5
3.3 Problemas no restringidos programacin no lineal........................................................................10
1
3.1 Planteamiento de problemas de Programacin no lineal.
Planteamiento del problema de Programacin No Lineal.
El objeto de las siguientes secciones es definir una serie de conceptos relacionados con el
problema general de programacin no lineal, as como el estudio de las relaciones existentes
entre cada uno de ellos y la solucin de dicho problema.
Los conceptos que estudiaremos sern los siguientes!
" Punto estacionario, en la seccin #.
" Punto minimax, ntimamente relacionado con el concepto de dualidad, y que se estudiar
en la seccin $.
%eremos que, en general, ser ms directa la demostracin de la suficiencia de estas
condiciones para asegurar que tenemos una solucin del problema que la de la necesariedad
de las mismas, para las que habr que imponer condiciones de regularidad sobre las
restricciones del problema, que llamaremos cualificaciones de restricciones. En esta seccin
se enuncian &arias cualificaciones de restricciones y se estudia la relacin entre ellas. En
general, los resultados que se obtienen generali'an los dados en la seccin anterior para los
problemas con restricciones de igualdad, en el sentido de la existencia de condiciones de
primer orden que implican a las primeras parciales de la funcin de Lagrange asociada al
problema, y condiciones de segundo orden que suponen con&exidad de ciertas funciones.
(n problema general de programacin no lineal consiste en encontrar los &alores de ciertas
&ariables que maximi'an o minimi'an una funcin dada, dentro de un conjunto definido por
una serie de restricciones de desigualdad, de forma que no hay aseguradas condiciones de
linealidad ni sobre la funcin a optimi'ar ni sobre las funciones que definen el conjunto dentro
del cual buscamos dicho ptimo.
)nde!
* son ambas al menos de clase dos en todo su
dominio. El conjunto de oportunidades + es el
conjunto en el cual maximi'amos la funcin, es
decir, la interseccin entre el dominio de las
funciones del problema y el conjunto
determinado por las restricciones.
1
,s, donde
+ - . x ) / g0x1 2 b 3,
b - 0b4 ,5, bm1.
Este tipo de problemas es muy representati&o de las circunstancias en las que se
desen&uel&e la acti&idad econmica. Normalmente, se dispone de cantidades limitadas de
recursos, pero sin la obligacin de emplearlas en su totalidad, si ello no resultase adecuado.
Por consiguiente, es posible pensar en soluciones factibles y ptimas que no saturen
necesariamente todas las restricciones, dejando un excedente inutili'ado del recurso cuya
disponibilidad limitan.
6e debe tener en cuenta sin embargo, en relacin con el problema formulado, que el sentido
de las desigualdades 021 es 7nicamente cuestin de con&enio. (na restriccin con la
desigualdad contraria puede reducirse a una del tipo anterior sin ms que multiplicar por 08
41. Por otra parte, una restriccin de igualdad puede reempla'arse por dos de desigualdad,
por ejemplo, g0x1 - b se con&ierte en g0x1 2 b y 8g0x1 2 8b. 9 bien puede ser tratada
directamente, sin restringir el signo del multiplicador correspondiente.
En ocasiones, para que el problema sea econmicamente significati&o, es necesario que las
&ariables instrumentales sean no negati&as, es decir, x : ;. <s adelante en este captulo,
daremos un tratamiento especfico a estas restricciones.
,sociadas al problema de maximi'acin, podemos definir la siguiente funcin, muy
importantes en lo que sigue!
= >uncin de Lagrange L!
L ! ) ? @mA B @
L0x, C1 - f0x1 D CtEg0x1 8 bF 4,
donde C @mA es el &ector de multiplicadores asociado al bloque de restricciones del
problema, tambiGn denominados multiplicadores de Huhn8IucJer.
)ado un &ector b @m, si llamamos x;0b1 a la correspondiente solucin del
problema de programacin no lineal, se puede demostrar, anlogamente a lo que &imos en el
caso con restricciones de igualdad, que, para cada j - 4, 5, m, anterior, una disminucin del
&alor de bj originara un aumento del &alor de la funcin objeti&o en el mximo, para un
conjunto de oportunidades que es un subconjunto del de partida, lo que estara en
contradiccin con que x; fuera el mximo del problema original.
,l objeto de anali'ar en profundidad las propiedades del problema de programacin no
lineal, ser necesario en algunos casos distinguir entre las restricciones que se &erifican con
igualdad en el ptimo y las que se &erifican con desigualdad estricta. ,s, diremos que la
restriccin gi0x1 2 bi es acti&a en un punto factible x; 0o que x; satura dicha restriccin1, si
&erifica gi0x;1- bi.
1
Ejemplo de Programacin No Lineal
, una compaKa le cuesta c (< por unidad fabricar un producto. 6i la compaKa cobra p (<
por unidad de producto, los clientes pedirn unidades. Para maximi'ar las ganancias, LquG
precio tendra que poner la compaKaM
6olucin
La &ariable de decisin de la empresa es p
)ado que la ganancia de la empresa es , la empresa querr resol&er el siguiente problema
de maximi'acin sin restriccin!
1
3.2 Optimizacin Clsica.
3.2.1 Puntos de Inflexin
Puntos estacionarios.
Procedemos entonces, tras haber establecido ciertos conceptos bsicos en la seccin
anterior, a resol&er el problema
<aximi'ar==sujeta a !f 0x1g0x1 2 b0P@)1
)onde suponemos que se dan condiciones de diferenciabilidad sobre f y g y que el
conjunto ) es abierto. En esta situacin, tenemos aseguradas ciertas condiciones de
diferenciabilidad sobre la funcin de Lagrange L. Empe'aremos definiendo el concepto de
punto estacionario de Huhn8IucJer a partir de L. Iras ello, estudiaremos su relacin con las
soluciones del problema 0P@)1. Nomo &eremos, sern necesarias condiciones de
con&exidad en los teoremas de suficiencia, y no as en los de necesariedad 0donde, eso s,
har falta incluir cualificaciones de restricciones1.
,s pues, definimos
6upuesto que x; es un punto factible!
1
(na &e' definido este concepto, &eamos seguidamente los teoremas que lo relacionan
con las soluciones del problema 0P@)1. Empe'aremos dando el teorema de condiciones
necesarias, es decir, el teorema en el que se establecen quG condiciones necesariamente
deben &erificar los ptimos de 0P@)1.
Nomo se obser&a, gracias a la formulacin de punto estacionario de Huhn8IucJer 0$1, este
teorema afirma que, si se &erifica la cualificacin de restricciones de independencia lineal
en x;, entonces necesariamente todo ptimo local del problema es un punto estacionario
de Huhn8IucJer. Existe otro concepto de punto estacionario 0punto estacionario de
>rit'8Oohn1 ms general que el de Huhn8IucJer, que no necesita de la cualificacin de
restricciones para que se estable'ca esta condicin necesaria.
Este teorema admite exactamente la misma formulacin para el problema de mnimo,
teniendo simplemente en cuenta las definiciones de punto estacionario para mnimo.
,s, por ejemplo, la condicin quedara!
f 0x 1 A P Ci gi 0x 1 - ; .;;i Q
Pasamos ahora a dar el teorema de condiciones suficientes, es decir, el teorema que afirma
bajo quG condiciones un punto estacionario de Huhn8IucJer es mximo del problema.
*a se ha comentado que hace falta en este caso exigir condiciones de con&exidad
6obre las funciones del problema. @ealmente, basta con unas suposiciones un poco ms
sua&es que la con&exidad global, si bien aqu no &amos a especificarlas!
1
R$ sobre las funciones del problema. @ealmente, basta con unas suposiciones un poco ms
sua&es que la con&exidad global, si bien aqu no &amos a especificarlas.
Este teorema admite una formulacin similar para el problema de mnimo, con las
correspondientes definiciones de los puntos estacionarios, y suponiendo que la funcin f sea
con&exa.
6i obser&amos con detenimiento las condiciones de punto estacionario que hemos
desarrollado en esta seccin, podremos &er su analoga con el caso en el que existan
restricciones de igualdad. En concreto, desde un punto de &ista intuiti&o, el proceso se podra
interpretar de la siguiente forma! en primer lugar, se identifican las restricciones acti&as en el
punto en cuestin. Posteriormente, se toman las condiciones de primer orden para
problemas con restricciones de igualdad, teniendo en cuenta slo las mencionadas
restricciones acti&as 0que, en el punto bajo estudio, se pueden considerar de igualdad1.
>inalmente, se aKade la condicin adicional de no negati&idad sobre los multiplicadores
ptimos, que, seg7n &imos pre&iamente, garanti'an que la funcin objeti&o no mejora al
mo&erse hacia el interior relati&o de las restricciones acti&as.
1
3.2.1 Mximos y mnimos programacin no lineal
Puntos minimax.
El punto minimax de la funcin lagrangiana es otro concepto relacionado con la solucin de
un problema de optimi'acin. 6i bien su definicin no le hace 7til a la hora de la resolucin
directa del problema, s constituye un paso intermedio muy importante en la obtencin del
problema dual, que estudiaremos ms adelante. En esta seccin definimos dicho punto y
estudiamos su relacin con otro concepto, el punto de silla de la lagrangiana.
La relacin del punto minimax con la solucin del problema de programacin no lineal se
obtiene de forma inmediata sin ms que tener en cuenta que!
<in L 0x, C 1 - f 0x1 S <ax Ct Eg0x1 S bF@ mA@ mA
6i gi 0x1 D bi 2 ;, entonces Ci Egi0x1 8 biF 2 ;, luego
<ax Ci 0 gi 0x1 S bi 1 - ;@ mA 0se alcan'a en C - ;1. Por tanto, si x +, <inL 0x, C 1 - f 0x1 .@
mA 6i gi 0x1 D bi T ;, entonces 6up Ci Egi0x1 8 biF - U, por lo que en este caso no se alcan'a el
@ mA mnimo de la Lagrangiana.
Por tanto,
<ax <in L 0x, C 1 - <ax f 0x1 ) @ mA +
,s pues, si 0x;, C;1 es un punto minimax, x; es una solucin ptima del problema original.
Pasamos ahora a dar los teoremas que relacionan los conceptos de punto de silla de L y
punto minimax. %eremos que dicha relacin es casi una equi&alencia, en el sentido de que
todo punto minimax es punto de silla, y todo punto de silla es un punto minimax
considerado sobre conjuntos ms restringidos.
1
Nomo hemos expuesto anteriormente, para obtener el teorema recproco es necesario
restringir los conjuntos de definicin del punto minimax. Pre&iamente, hemos &isto que la
primera parte de la igualdad debe ser de la forma
)efinimos, por tanto,
N - .C @ m A / <ax 0 f 0 x 1 S Ct Eg0x1 S b F13, N @ m A
Entonces, la segunda parte de la igualdad se debe expresar como sigue!
<in <ax L 0x, C 1
Por tanto, el punto minimax que buscamos ahora es de la forma!
Para el problema de mnimo, el punto minimax toma la forma!
tomando adems la funcin lagrangiana correspondiente a este problema. Non esta
definicin, los teoremas 4V y 4W seran &lidos de forma anloga para esta formulacin.
1
3.3 Problemas no restringidos programacin no lineal
Naso con restricciones de igualdad.
Nomo paso pre&io al tratamiento del problema general de Programacin <atemtica, &amos
a estudiar el caso especial en el que todas las restricciones sean de igualdad. Ello nos
permitir, cuando abordemos el estudio del caso general, distinguir el caso en que el ptimo
sea interior al conjunto de oportunidades 0anlogo al caso irrestricto1, y el caso en que el
ptimo estG en la frontera 0anlogo a este problema con restricciones de igualdad, si
se consideran slo aquellas que se satisfacen con igualdad1. ,s pues, los resultados
obtenidos en este captulo sern un punto de partida para el estudio del caso general.
El problema que estudiamos en este caso es!
)onde se supone que f est definida sobre el conjunto de oportunidades determinado por las
restricciones, que son m relaciones de la forma gi0x1 - bi,i - 4, 5, m. 6upondremos que tanto
la funcin objeti&o f como las restricciones gi son de clase R en +.
, lo largo del tratamiento de estos problemas, es de &ital importancia la definicin de la
llamada funcin de Lagrange asociada, que es una funcin que de alguna forma engloba
todo el problema, al aKadir a la funcin objeti&o las restricciones, cada una de ellas
acompaKada por un multiplicador 0multiplicador de Lagrange1!
En lo que sigue, &eremos que las condiciones de primer y segundo orden en este caso son
anlogas al caso irrestricto, pero exigiGndolas sobre la funcin de Lagrange en lugar de
sobre la funcin objeti&o f. Pre&iamente, &amos a estudiar algunas propiedades interesantes
de la funcin de Lagrange.
La primera nos asegura que cuando trabajamos con puntos factibles, el &alor de la funcin de
Lagrange coincide con el de la funcin objeti&a. La segunda nos permite afirmar que
cualquier punto crtico de la funcin de Lagrange es factible para el problema 0P@Q1!
1
)emostracin.
6i x es un punto arbitrario de +!
g0x1 D b - ;,
de donde! L0x, C1 - f0x1 D Ct ; - f0x1.
,ntes de enunciar la siguiente proposicin, expresemos el gradiente de la funcin de
Lagrange de una forma operati&a!
L0x, C1 - f0x1 D Ct Eg0x1 8 bF
resultando que!
,hora bien!
x L0x, C1 - x Ef0x1 8 Ct 0g0x1 8 b1F - f0x1 D Ct EOg0x1Ft
Luego, en definiti&a!
)emostracin.
6i 0xX ,CX1 es punto crtico de L, entonces, por la forma de su gradiente,
1
de donde se deduce que xX ) pues existen f0xX1 y g0xX1, y adems!
8 0g0xX1 D b1 - ;. Luego xX +, como queramos demostrar.
6eg7n hemos &isto, la funcin de Lagrange incorpora tanto la funcin objeti&o del
problema original, como las restricciones del mismo. ,dems, tambiGn se &erifica que todo
punto crtico de la funcin de Lagrange es factible para el problema 0P@Q1, y, en esta
situacin, el &alor de L coincide con el de f. En estas circunstancias, cabe preguntarse si
existir alguna relacin entre los ptimos locales de 0P@Q1 y los puntos crticos de L. El
siguiente teorema demuestra que, en efecto, todo ptimo local de 0P@Q1 produce un punto
crtico de la lagrangiana!
)emostracin.
6upongamos que xX es un ptimo local de 0P@Q1, lo cual implica que xX es factible, es
decir, g0xX1 - b, y que existe un entorno de xX, E40xX1, tal que xX es ptimo global de f en el
conjunto de puntos de E40xX1 que satisfacen las restricciones del problema. Por otro lado, por
hiptesis, las restricciones &erifican ser de rango completo en xX, es decir,
en cuyo caso x - 0x4t, xRt1, resulta que lo anterior es suficiente 0teorema de la funcin
implcita1 para que existan un entorno de x4X, E40x4X1, un entorno de xRX, ER0xRX1, y una
funcin
h ! ER0xRX1 ==B E40x4X1, tal que!
0i1 h0xRX1 - x4X0ii1 xR ER0xRX1, g0h0xR1, xR1 - b.
Podemos suponer, sin pGrdida de generalidad, que
1
E 0x X1 ? E0x X1 E4 0xX1 ,
es decir, que xX es ptimo global de f en el entorno en el que podemos ponerx4 como
funcin de xR. 6ustituyendo en la funcin objeti&o, podemos definir una nue&a funcin!
>! E R 0x R X1 B @
> 0x R 1 -f 0h0x R 1, x R 1
funcin en las &ariables xR - 0xmA4, xmAR, 5, xn1 que no est restringida por ninguna
relacin en un entorno del punto xX, pudiendo aplicarle las tGcnicas desarrolladas en el
apartado anterior. Nomo, por hiptesis, xX es ptimo en E40xX1, entonces, xRX lo ser de la
nue&a funcin >, y por tanto! es decir,
>0xRX1 - ;.
Por otro lado, en todo ER0xRX1, se &erifica que
g0h0xR1, xR1 - b, lo cual implica que!
1

y estas parciales no se pueden anular en 0;, ;1 para ning7n &alor del multiplicador C, por lo
que 0;, ;1 no es punto crtico de L.
,l igual que ocurre en el caso irrestricto, tambiGn en el problema restringido existen
condiciones de segundo orden que garanti'an la optimalidad de los puntos crticos de la
funcin de Lagrange. Esta condicin de segundo orden, tambiGn supone condiciones sobre
la matri' hessiana, pero, en este caso, se tomar restringida a una condicin que garanti'a
que comparamos el ptimo slo con los puntos de su entorno que pertenecen al conjunto de
oportunidades del problema.
Ieorema 4R.6i 0xX, CX1 es un punto crtico de la funcin de Lagrange asociada al problema
0P@Q1, una condicin suficiente para que xX sea un mximo 0resp. mnimo1 local del problema
es que la forma cuadrtica
1
3.3.1 Multiplicadores de Lagrane Lambda
Qnterpretacin de los multiplicadores de Lagrange.
(no de los resultados ms importantes de la Programacin <atemtica, que desarrollamos a
continuacin, es que la &aloracin marginal de los recursos, cuyo uso est fijado por las
restricciones, &iene dada por los multiplicadores 0&ariables duales1 asociados a los mismos.
6ea el problema!
<ax f0x1
s.a g0x1 - b.
6ea 0xX, CX1 una solucin ptima de dicho problema. 6e trata, por tanto, de un punto crtico de
la funcin de Lagrange asociada al problema!
L0x, C1 - f0x1 D Ct 0g0x1 D b1
es decir, 0xX, CX1 &erifican!
xL0xX, CX1 - x f0xX1 D Og0xX1CX - ;
C L0xX, CX1 - D g0xX1 A b - ;
Para distintos &alores del segundo miembro de las restricciones 0&ector b1, se obtendran,
lgicamente, distintas soluciones ptimas del problema anterior. Nonsideremos entonces la
solucin ptima como una funcin del &ector b, y supongamos que esta funcin es
diferenciable 0lo cual es cierto si se &erifican las condiciones suficientes de optimalidad1!
xX - x0b1
CX - C0b1
Los &alores ptimos de la funcin objeti&o pueden considerarse como una funcin
de b, f0x0b11, e igualmente la funcin &ectorial de las restricciones, g0x0b11. )eri&ando, tanto
una como otra con respecto a b, obtenemos, respecti&amente!
b f0x0b11 - Ob0x0b11 x f0x0b11
Ob g0x0b11 - Ob0x0b11 Ox g0x0b11
Ieniendo en cuenta las condiciones de optimalidad de primer orden
x f0xX1 D Ox g0xX1 CX - ;
y multiplicndolos por Ob0x0b11!
Ob0x0b11 x f0x0b11 D Ob0x0b11 Ox g0x0b11 CX - ;
1
sustituyendo por las expresiones anteriormente obtenidas, resulta!
b f0x0b11 D Ob g0x0b11 CX - ;
>inalmente, como g0x0b11 - b, deri&ando esta expresin con respecto a las &ariables
bi, obtenemos que Ob g0x0b11 - Q0m?m1, por tanto!
es decir, la &ariacin del &alor ptimo de la funcin objeti&o f0xX1 producida por &ariaciones
infinitesimales del segundo miembro de una restriccin, est representada por el
multiplicador ptimo Ci asociado a la misma. En otras palabras, el &alor ptimo del
multiplicador de Lagrange asociado a una determinada restriccin nos proporciona una
medida de la sensibilidad del &alor ptimo de la funcin objeti&o ante cambios en el recurso
de dicha restriccin.
Nota. En los problemas de mnimo, se suele tomar la funcin de Lagrange como!
L0x, C1 - f0x1 A Ct Eg0x1 8 bF,
Esta interpretacin general tiene una traduccin econmica concreta seg7n sea la funcin
objeti&o y la expresin de las restricciones. 6i la funcin objeti&o consiste, por ejemplo, en
maximi'ar la funcin de utilidad del consumidor sometido a una restriccin presupuestaria de
igualdad, el multiplicador de Lagrange se interpreta como la utilidad marginal por unidad
monetaria. 6i el problema consiste en determinar el plan de produccin compatible con la
funcin de produccin de la empresa y tal que resulte mnimo el coste de produccin, el
multiplicador de Lagrange se interpretara como el coste marginal de produccin del producto.
Es por ello que los multiplicadores de Lagrange reciben la denominacin de precios de
clculo por cuanto permiten determinar las consecuencias de una modificacin marginal de
una restriccin.
Pueden considerarse como la medida del YpagoZ mximo que podra efectuarse a cambio de
un despla'amiento de la restriccin. Por ejemplo, si el problema es maximi'ar el beneficio
eligiendo los ni&eles de factores producti&os y de produccin, sujetos a la limitacin impuesta
por la cantidad disponible de un factor, b. En este problema, CX mide la rentabilidad marginal
del factor o la tasa a la que aumenta el beneficio mximo como consecuencia de un
1
pequeKo incremento en la cantidad fija del factor. Por consiguiente, CXmide la cantidad
mxima que la empresa estara dispuesta a pagar por el incremento en el factor, ya que si
pagase menos el resultado sera un incremento neto en el beneficio, y si pagase ms se
producira una reduccin neta del mismo. Por esta ra'n, a CX se le puede denominar Yprecio
sombraZ del factor, utili'ndose dicho adjeti&o para indicar que el precio puede diferir del
precio real del mercado.
9tro aspecto digno de resaltarse es el comportamiento e interpretacin del signo del
multiplicador. ,s, si la lagrangiana se toma para mximo 0es decir, los multiplicadores entran
restando1, en el supuesto de multiplicador positi&o
En el caso en que la funcin de Lagrange se formule para mnimo, estas relaciones se dan
justo a la contra.
1
3.3.2 Interpretacin econmica.
Los multiplicadores de Lagrange tienen una interpretacin econmica interesante e
importante. Nomo antes dijimos, estos multiplicadores en PNL tienen casi la misma
interpretacin que los precios sombran en la PL. En otras palabras, en el punto ptimo, el
&alor del multiplicador de Lagrange es la tasa de cambio instantnea del %90el &alor ptimo
de la funcin objeti&o1, cuando el 8Gsimo L)0&alor en solucin1, bi aumenta, permaneciendo
iguales todos los dems datos. 9tra forma de expresar este concepto en tGrminos de
economa, es que el i8esimo multiplicador de Lagrange refleja el &alor marginal del i8Gsimo
recurso. Por consiguiente, sus unidades son
(nidades de la funcin objeti&o
(nidades del L) de la restriccin i
Por ejemplo, un fabricante desea minimi'ar el costo total de un producto, el objeti&o estaba
expresado en dlares, bajo la restriccin de que la produccin total, digamos en toneladas,
de dos productos deba ser igual a H. ,s pues, las unidades del multiplicador de Lagrange
para esta restriccin son dlares por tonelada, y el &alor de la misma es el costo marginal
instantneo de produccin correspondiente a la @8Gsima unidad.
6in embargo, los n7meros correspondientes a la sensibilidad tienen un significado un poco
ms restringido que en el Qnforme de sensibilidad de PNL. Para modelos de PNL, el
multiplicador de Lagrange de una restriccin es la tasa de cambio inicial 0es decir,
instantnea1 en el &alor ptimo de la funcin objeti&o, cuando el L) de la restriccin aumenta.
Qgual que los precios sombra en la PL, un multiplicador de Lagrange positi&o indicara que al
aumentar el L) se [beneficiara[ inicialmente el &alor de la funcin objeti&o en un modelo
<ax, e inicialmente se [perjudicaraZ el &alor de la funcin objeti&o en un modelo <in. (n
multiplicador de Lagrange negati&o indicara que al aumentar el L) se [perjudicaraZ
inicialmente el &alor de la funcin objeti&o en un modelo <ax, y se [beneficiara[ inicialmente
el &alor de la funcin objeti&o en un modelo <in. \eneficiar significa un aumento en el
objeti&o si es un modelo <ax, y una disminucin en el objeti&o si es un modelo <in. En forma
similar, perjudicar significa una disminucin en el objeti&o de un modelo <ax y un aumento
del objeti&o en un modelo <in. 6in embargo, a diferencia de lo que aprendimos en el caso de
la programacin lineal, no es posible decir sobre quG rango de aumento o disminucin del L)
es &lido dicho multiplicador de Lagrange. )e hecho, en el caso ms ordinario, el propio
multiplicador de Lagrange cambia en cuanto se modifica el L), por lo cual el incremento y el
decremento permisibles son cero. 6in embargo, esto no les impide utili'ar el multiplicador de
Lagrange para estimar quG pasara con el &alor ptimo si cambiara el L).
En forma similar, los &alores de gradiente reducido incluidos en el Qnforme de sensibilidad de
PNL de 6ol&er tienen una interpretacin anloga a la de los &alores de costo reducido del
Qnforme de sensibilidad de PL. El gradiente reducido de una &ariable est relacionado con las
restricciones que imponen un lmite o acotamiento superior o inferior para las &ariables de
decisin. (n gradiente reducido negati&o para una &ariable de decisin indica que aumentar
1
la &ariable YperjudicaraZ inicialmente el &alor de la funcin objeti&o en un modelo <ax.
<ientras que un gradiente reducido positi&o para una &ariable indica que aumentar dicha
&ariable [perjudicar[ inicialmente el &alor de la funcin objeti&o en un modelo <in. 6i una
&ariable de decisin est en su acotamiento superior, el gradiente reducido deber ser no
negati&o para que la solucin sea ptima en un modelo <ax! por lo contrario, disminuir la
&ariable mejorara el &alor de la funcin objeti&o. 6 una &ariable de decisin est en su
acotamiento inferior, el gradiente reducido no sera positi&o en un modelo <ax] y, por lo
contrario, aumentar la &ariable mejorara la funcin objeti&o. 0Las conclusiones opuestas son
aplicables a los modelos <in.1 6i una &ariable de decisin est entre sus acotamientos
superior e inferior, el gradiente reducido deber ser cero para que la solucin sea ptima.