Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos

PAUTA TAREA SEMANAL N6

Ejercicio 1: Resolver el siguiente problema restringido no lineal encontrando solucin ptima si existe con su valor ptimo y especificando las condiciones de primer orden (multiplicadores de lagrange) y segundo orden.

Respuesta Usando multiplicadores de Lagrange:

Condiciones de primer orden:

Resolviendo el sistema de ecuaciones, se tienen 2 soluciones que satisfacen las condiciones de primer orden: 1) 2)

; ;

; ;

Ahora se revisan las condiciones de segundo orden, la matriz Hessiana del lagrangeano es: [ ]

Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos Para 1):

, reemplazando:

Definida positiva, entonces la solucin

es un mnimo local.

Para 2):

, reemplazando:

Definida negativa, entonces la solucin

es un mximo local.

Como la funcin objetivo es de minimizacin, se analiza si la solucin (1) es un mnimo global, calculando: [Hessiano F.O] + i*[Hessiano restriccin i] [ [ ] ] +

*[

]=[
;

]
es minimo global.

Definida positiva, la solucin

Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos Ejercicio 2: Considere el siguiente problema de optimizacin no restringida:

Aplique dos iteraciones del mtodo del gradiente a partir del origen como punto inicial. Verifique que dos direcciones de descenso consecutivas son ortogonales. Adicionalmente compruebe que la solucin ptima del problema se alcanza en ( ) = (1,1).

Respuesta

Sea

= (0,0), se aplica una iteracin del mtodo del gradiente:

Calculando alfa, se tiene: ( )

Entonces: ( )

Sea

), se aplica una segunda iteracin del mtodo del gradiente:

Calculando alfa, se tiene: ( ( ) ( ) )

Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos Entonces: ( ) ( )

Las dos direcciones de descenso consecutivas son ortogonales dado que:

La solucin

es ptima dado que: ( )

Adicionalmente la matriz Hessiana de la funcin resulta ser positiva definida, por lo cual la funcin objetivo es estrictamente convexa. Esta condicin garantiza que es la solucin ptima.

Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos Ejercicio 3: Resolver el siguiente problema de Programacin No-Lineal mediante las condiciones de optimalidad del Teorema de Karush-Kuhn-Tucker, justifique adecuadamente su respuesta:

Respuesta La funcin objetivo es continua, el dominio de factibilidad es acotado y cerrado, por ende, existe solucin. La funcin objetivo es lineal, por ende, es una funcin convexa. Sin embargo, la regin de puntos factibles, es no convexa. En conclusin, estamos en presencia de un problema no convexo que motiva la bsqueda de todos los puntos crticos para las diferentes combinaciones de inecuaciones activas.

Se tiene lo siguiente: f(x,y) = - y g1(x,y) = y g2(x,y) = + f(x, y) = (0, -1) g1(x, y) = (-2x , 1) g2(x, y) = (2x ,2y)

Condiciones KKT: f(x, y) + 1 g1(x, y) + 2 g2(x, y) = (0,0) Es decir: (0, -1) + 1 (-2x , 1) + 2 (2x ,2y) = (0,0) 1 (y 2 ( + y + )=0 - 2) = 0 0 2 (2) (3) (4) (5) (6) (7)

(1)

1 0 2 0

Gestin de Investigacin de Operaciones Profesor: Humberto Villalobos

Caso 1: 1=0 y 2=0

No hay puntos crticos Caso 2: 1 > 0 y 2=0 (Activando solo restriccin

Resulta: x = 0; y = 0; Funcin Objetivo = 0 Caso 3: 1=0 y 2 > 0 (Activando solo restriccin

Resulta: x =0; y = - ; Funcin Objetivo = - Resulta: (1) -2x1 + 2x2 = 0 (2) -1 + 1 + 2y2 = 0 (3) y (4) + =0 2=0 Caso 4: 1 > 0 y 2 > 0 (Activando ambas restricciones)

Resolviendo las ecuaciones (3) y (4), obtenemos (5) y = 1 o (6) y = - 2. La ecuacin (1), es equivalente a 1 = 2 La ecuacin (2), si sustituimos la anterior, queda: (7) 1 = 2 = Reemplazando (6) en (7), obtenemos que 1 = 2 = -1/3 0, por lo tanto no cumple KKT. Reemplazando (5) en (7), obtenemos que 1 = 2 = 1/3 0, por lo tanto si cumple KKT. De (2): y=1, x= ; Funcin Objetivo = -1

Al analizar cada uno de los casos resulta que los puntos (1,1) y (-1,1) representan la solucin ptima del problema, ya que, el ptimo es uno de los puntos que cumplen las condiciones de KKT y el menor valor de la funcin se alcanza en dichos puntos.