Está en la página 1de 8

Optimizacion Con Restricciones de Igualdad

Departamento de Matematicas, CSI/ITESM


11 de noviembre de 2009

Indice
15.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
15.2. El metodo de los Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
15.3. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
15.4. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
15.5. Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
15.6. Nota importante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
15.1. Introduccion
En esta lectura veremos el problema de optimizar una funci on de valor real sujeta a un conjunto de
restricciones. El metodo que veremos se debe a Joseph Louis Lagrange (1736-1813) y la prueba de que dene
condiciones necesarias para los puntos optimos aparece en el libro de A. Khuri (1993): Advanced Calculus
with Applications in Statistics (John Wiley and Sons, New York) y la prueba de las condiciones de suciencia
aparecen en el libro R. P. Gillespie (1954): Partial Dierentiation (Oliver and Boyd, Edinburgh). Veremos un
par de ejemplos para claricar los criterios de m aximos y mnimos relativos.
15.2. El metodo de los Multiplicadores de Lagrange
Suponga que se desea optimizar la funci on real valuada f(x
1
, x
2
, . . . , x
n
) donde las variables x
1
,x
2
,. . . ,x
n
estan sujetas a las restricciones de igualdad (m < n):
g
1
(x
1
, x
2
, . . . , x
n
) = 0
g
2
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
g
m
(x
1
, x
2
, . . . , x
n
) = 0
donde las funciones f,g
1
,g
2
,. . . ,g
m
son diferenciables. f debe tener segundas derivadas continuas, mientras que
las g
i
deben tener primeras derivadas continuas. El primer paso consiste en determinar los puntos crticos o
estacionarios del problema restringido, para ello se forma la funci on:
F(x, ) = f(x) +
m

j=1

j
g
j
(x)
VIDEO:
http://www.youtube.com/watch?v=hIfIPHesceI&context=C493f1beADvjVQa1PpcFPVUcwQyEGp9XSI6
gm8HqZqBuWsfNxhk38=
Los puntos estacionarios se determinan resolviendo F = 0:
F =
_
_
_
_
_
_
_
_
_
_
_
_
F
x
1
.
.
.
F
xn
F

1
.
.
.
F
m
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
f
x
1
+

m
j=1

j
g
j
x
1
.
.
.
F
xn
+

m
j=1

j
g
j
xn
g
1
.
.
.
g
m
_
_
_
_
_
_
_
_
_
_
_
_
= 0
Es decir, los puntos maximos o mnimos se encuentran dentro del conjunto de puntos crticos que se obtienen
de resolver el sistema formado por las ecuaciones:
F
x
i
=
f
x
i
+
m

j=1

j
g
j
x
i
= 0 para i = 1, 2, . . . , n
y junto con las m ecuaciones dadas por las restricciones:
g
1
(x
1
, x
2
, . . . , x
n
) = 0
g
2
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
g
m
(x
1
, x
2
, . . . , x
n
) = 0
Este sistema se resuelve para las variables x
1
,x
2
,. . . ,x
n
y
1
,
2
,. . . ,
m
. As pues el sistema consta de n + m
ecuaciones en n + m incognitas: El resultado sobre la necesidad dice: Un m aximo o mnimo al problema
debe satisfacer el sistema de ecuaciones antes planteado. Habiendo ubicado los puntos estacionarios viene el
problema de determinar si son maximos o mnimos locales. Para cada punto estacionario x
o
y para los valores

1
,
2
,. . . ,
m
correspondientes. Se construye la matriz:
B
1
= H
F
=
_

_
F
11
F
12
F
1n
g
(1)
1
g
(1)
2
. . . g
(1)
m
F
21
F
22
F
2n
g
(2)
1
g
(2)
2
. . . g
(2)
m
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
g
(1)
1
g
(2)
1
. . . g
(n)
1
0 0 0
g
(1)
2
g
(2)
2
. . . g
(n)
2
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
g
(1)
m
g
(2)
m
. . . g
(n)
m
0 0 0
_

_
Sea ahora para i = 2, 3, . . . , n m, B
i
la matriz obtenida de B
1
eliminando las primeras i 1 las y las
primeras i 1 columnas, y sea
i
el determinante de B
i
. x
o
es un mnimo local si:
siendo m par cuando

1
> 0,
2
> 0, . . . ,
nm
> 0
siendo m impar, cuando

1
< 0,
2
< 0, . . . ,
nm
< 0
x
o
es un maximo local si:
siendo n par cuando

1
> 0,
2
< 0, . . . , (1)
nm

nm
< 0
siendo n impar, cuando

1
< 0,
2
> 0, . . . , (1)
nm

nm
> 0
2
15.3. Ejemplo 1
Encuentre los valores optimos de la funci on
f(x, y) = x
2
+ 12xy + 2y
2
sujeto a
4x
2
+ y
2
= 25
Soluci on
El n umero de restricciones es 1, es decir m = 1, y el n umero de variables de la funci on objetivo es 2, es decir
n = 2. Debemos escribir cada restriccion igualada a 0:
g
1
(x, y) = 4 x
2
+ y
2
25
Aqu
F = x
2
+ 12xy + 2y
2
+ (4 x
2
+ y
2
25)
El sistema de ecuaciones es:
F
x
= 0 = 2 x + 12 y + 8 x
F
y
= 0 = 12 y + 4 y + y
g
1
= 0 = 4 x
2
+ y
2
25
De la primera ecuacion despejas y (Observe que no conviene que despeje x o pues implica indicar una
divisi on con una expresi on que dependera de una variable y se tendra que considerar por separado el caso
cuando es cero.):
y = 1/6 x 2/3 x
Si sustituimos esto en las ecuaciones 2 y 3 del sistema nos queda:
F
y
= 0 = 34/3 x 3 x 4/3
2
x = 0
g = 0 = 145/36 x
2
+ 2/9 x
2
+ 4/9
2
x
2
25 = 0
Si tomamos la nueva ecuacion 1 y la factorizamos queda:
1/3 x(4 + 17) ( 2) = 0
Esto nos origina tres posibles casos:
x = 0, = 17/4, y = 2
Si sustituimos el caso x = 0 en la segunda nueva ecuacion nos queda:
25 = 0
Es decir, este caso de la primera ecuacion es incompatible con la segunda. El caso = 2 sustituido en la
segunda ecuacion da:
25/4 x
2
25 = 0
La cual da las soluciones:
x = 2 y x = 2
sustituyendo = 2 y estos casos de x dan en y:
y = 3 y y = 3
3
Resumiendo tenemos los puntos:
P x = 2, y = 3, = 2
Q x = 2, y = 3, = 2
El caso = 17/4 sustituido en la segunda ecuacion da:
100/9 x
2
25 = 0
La cual da las soluciones:
x = 3/2 y x = 3/2
sustituyendo = 2 y estos casos de x dan en y:
y = 4 y y = 4
Resumiendo tenemos los puntos:
R x = 3/2, y = 4, = 17/4
S x = 3/2, y = 4, = 17/4
En nuestro problema n = 2 (n umero de variables en f) y m = 1 (n umero de restricciones), y por tanto debemos
calcular
i
desde i = 1 hasta i = nm = 1. Es decir, que en este ejemplo basta calcular
1
para cada punto.
La matriz B
1
queda:
B
1
=
_
_
2 + 8 12 8 x
12 4 + 2 2 y
8 x 2 y 0
_
_
Para el punto P(x = 2, y = 3, = 2), B
1
queda:
B
1
(P) =
_
_
18 12 16
12 8 6
16 6 0
_
_

1
= 5000
Como m = 1 es impar, P es mnimo local.
Para el punto Q(x = 2, y = 3, = 2), B
1
queda:
B
1
(Q) =
_
_
18 12 16
12 8 6
16 6 0
_
_

1
= 5000
Como m = 1 es impar, Q es mnimo local.
Para el punto R(x = 3/2, y = 4, = 17/4), B
1
queda:
B
1
(R) =
_
_
32 12 12
12 9/2 8
12 8 0
_
_

1
= 5000
Como n = 2 es par, R es maximo local.
Para el punto S(x = 3/2, y = 4, = 17/4), B
1
queda:
B
1
(S) =
_
_
32 12 12
12 9/2 8
12 8 0
_
_

1
= 5000
4
Figura 1: Gr aca de f(x, y) restringida a g = 0 del ejemplo 1
Figura 2: Inicio del problema 1
Como n = 2 es par, S es maximo local. La gr aca en la gura 1 ilustra los puntos crticos de ejemplo 1 sobre
la misma supercie de la funci on: se puede observar que tales puntos corresponden a los puntos m as altos y
mas bajos de la supercie restringidos a la elipse.
Repitamos los calculos utilizando ahora la calculadora TI. En la gura 2 se ilustra el borrado de las variables
utilizadas (x, y, nos falto incluir a la variable t, que funcionar a como
1
,como t no tena asignado valor no
tuvimos problema); en la variable f esta la funci on a optimizar; en g esta la restricci on; y en la variable fb la
funci on F = f + g.
En la gura 3 se obtiene el calculo de F
x
(variables fbx), F
y
(variable fby) y el planteamiento del sistema
para determinar los puntos crticos.
En la gura 4 se obtienen las soluciones al sistema y su conversion a una forma m as conveniente. En la
matriz representada por p: los valores de x estan en la primer columna, los de y en la segunda, y en la tercera
los de t (). Tambien aparece el calculo de la matriz hessiana de F (variable h). Nuevamente, utilizaremos la
variable i para ahorrarnos la escritura de comandos en el calculo de
1
en cada punto crtico representado en
cada renglon de p.
Figura 3: Sistema para obtener los puntos crticos del ejemplo 1
5
Figura 4: Puntos crticos y B
1
del ejemplo 1
Figura 5: Calculo de
1
en los puntos crticos del ejemplo 1
En la gura 5 se obtienen los determinantes
1
para cada uno de los puntos crticos encontrados. Recuerde
que al ser m = 1 (impar): x es mnimo local si
1
< 0 y siendo n = 2 (par): x es m aximo local si
1
> 0. Por
tanto, el primero y el segundo renglon de p representan mnimos locales, mientras que el cuarto y el quinto
representan maximos locales. Los calculos coinciden los realizados anteriormente
15.4. Ejemplo 2
Hagamos un ejemplo con mas restricciones utilizando la calculadora.
Encuentre los maximos y los mnimos de la funci on
f(x, y, z) = x
2
y + 3 z 6 y + 3 x
sujeta a las condiciones
g
1
(x, y, z) = y x
2
1 = 0 y g
2
(x, y, z) = x y + z 1 = 0
En la gura 6 se preparan los calculos: se limpian las variables usadas en las expresiones (t1 hara el papel
de
1
y t
2
hara el papel de
2
); se captura la funci on f, las restricciones g
1
y g
2
; y el calculo de las parciales.
En la gura 7 se obtiene la hessiana de F (guardada en h) y la obtencion de los puntos crticos y con-
venientemente codicados en la matriz p. Obervamos que solo determina tres puntos crticos P(x = 1, y =
Figura 6: Preparaci on del ejemplo 2
6
Figura 7: Hessiana y puntos crticos del ejemplo 2
Figura 8:
1
en los puntos crticos del ejemplo 2
2, z = 2,
1
= 2,
2
= 3) (rengl on 1 de p), Q(x = 0, y = 1, z = 2,
1
= 3,
2
= 3) (rengl on 2 de p), y
R(x = 1, y = 2, z = 4,
1
= 2,
2
= 3) (rengl on 3 de p). Se utilizo Maple para validar este resultado y hubo
concordancia.
Como n = 3 y m = 2, solo debemos determinar hasta
nm
=
1
en los puntos crticos. Recordemos que
al ser m par, x es un mnimo local si
1
> 0. Mientras que al ser n impar, x es un m aximo local si
1
< 0.
En la gura 8 se obtiene el determinante
1
en cada uno de los puntos crticos. Por tanto, P y R son mnimos
locales y Q es maximo local
15.5. Ejemplo 3
Determine los valores maximos y mnimos relativos de
f(x, y, z) = 3 + 4 x x
2
y
2
24 z
sujeta a
g(x, y, z) = 6 + x y 3 z = 0
En la gura 9 se preparan los calculos: se limpian las variables usadas en las expresiones (t hara el papel
de ); se captura la funci on f, la restriccion g; y el calculo de las parciales.
Figura 9: Preparaci on del ejemplo 3
7
Figura 10: H
f
y segunda submatriz primera de H
f
para el ejemplo 3
Figura 11: Obtencion del unico punto crtico y
1
y
2
en el ejemplo 3
En la gura 10 se obtiene la hessiana de F, tambien llamada B
1
, y se guarda en h. Como en este ejemplo se
debe calcular hasta
nm
=
2
determinamos la segunda submatriz principal primera de h, tambien llamada
B
2
, y la guardamos en la variable h1.
En la gura 11 se obtiene el unico punto crtico de F el cual corresponde a P(x = 2, y = 4, z = 4, t = 8).
Al ser solo uno el punto crtico es mas conveniente hacer la sustituion directa de las variables en B
1
y en B
2
.
Note que la sustituci on no es necesaria pues ni B
1
ni B
2
tienen variables. As que la sustituci on las dejara igual.
Los determinantes que se obtienen son
1
= 36 y
2
= 18. Al ser n impar el criterio indica que el punto P
es un maximo local.
15.6. Nota importante
Los ejemplos anteriores fueron adecuadamente fabricados de forma tal que los sistemas de ecuaciones para
la obtencion de los puntos crticos resultaran relativamente f aciles de resolver. En general, tales sistemas de
ecuaciones resultan imposibles de resolver en forma exacta. Y en tales casos se utiliza un metodo numerico.
8