Universidad de Chile

Facultad de Cs. Fsicas y Matematicas

Departamento de Ingeniera Matematica

MA3701-2 Optimizacion
Profesor: Martn Matamala
Auxiliar: Vctor Verdugo

Pauta Auxiliar 9
Jueves 6 de Junio de 2013
Pregunta 1
Sea (P, ) el problema perturbado en el lado derecho:
p (, ) = min

f (x)
gi (x) i , i {1, . . . , m}

st

hj (x) = j , j {1, . . . , `}
Suponga que en el problema perturbado f, g1 , . . . , gm son funciones convexas y h1 , . . . , h` son afines. Pruebe
que en este caso la funci
on valor p es convexa.
(
Rm R` , t [0, 1] y (, ) =
Dado que el problema es convexo se tiene dualidad fuerte. Sean (
, ),
, )

t(
, ) + (1 t)(
, ). Denotemos por , y las funciones duales de P,
optimos primales
, P,
y P, . Los
y duales, y los lagrangeanos respectivos se denotan de manera analoga.
p (, )

(u, v)

L(x, u, v)

L(t
x + (1 t)
x, u, v)

f (t
x + (1 t)
x) +

m
X

ui (gi (t
x + (1 t)
x) t
i (1 t)
i ) +

tf (
x) + (1 t)f (
x) +

m
X

ui (t(gi (
x)
i ) + (1 t)(gi (
x)
i )) +

i=1

t f (
x) +

m
X

vj (hj (t
x + (1 t)
x) tj (1 t)j )

j=1

i=1

`
X

`
X

vj (t(hj (
x) j ) + (1 t)(hj (
x) j ))

j=1

ui (gi (
x)
i) +

i=1

`
X

vj (hj (
x) j ) + (1 t) f (
x) +

j=1

m
X

ui (gi (
x)
i) +

i=1

`
X

vj (hj (
x) j )

j=1

x, u, v) + (1 t)L(
x, u, v)
= tL(
x, u
x, u
tL(
, v) + (1 t)L(
, v)

= tp (
, ) + (1 t)p (
, )
y por lo tanto p es convexa. En la primera y tercera desigualdad se uso dualidad fuerte, y en la segunda la
convexidad de f, gi y hj .

Pregunta 2
Considere el problema perturbado (P, ). Suponga que se tiene dualidad fuerte y que el optimo dual es alcanzado
en alg
un punto. Sea (u , v ) el
optimo del dual para (P0,0 ).
1. Pruebe que p (, ) p (0, 0) u > v > , para todo Rm y R` .
Sea (u , v ) el
optimo para el problema dual del primal no perturbado. Luego, tenemos que:
p (0, 0)

= (u , v )
f (x) +

m
X
i=1

ui gi (x) +

`
X
j=1

vj hj (x), x Rn .

En particular, tenemos que la desigualdad es valida para x

optimo del problema perturbado P, . Luego:
p (0, 0) f (
x) +

m
X

ui gi (
x) +

i=1

f (
x) +

m
X

vj hj (
x)

j=1

ui i +

i=1

`
X

vj j

j=1
>

`
X

= p (, ) + u

+ v > .

2. Usando lo anterior, si ui es grande y hacemos i < 0, que ocurre con el valor del problema?
P
Tenemos que p (, ) p (0, 0) ui i k6=i uk k v > . Luego, si ui es grande y i < 0 entonces el
valor del problema perturbado crece.
3. Analice como en la parte anterior lo que ocurre con el valor del problema si vj es grande y positivo y
hacemos j < 0, o bien si vj es grande y negativo y hacemos j > 0.
Al igual que antes, el valor del problma perturbado crece.
4. Suponga que p es diferenciable en (0, 0). Pruebe que

p
p
(0, 0) = ui y
(0, 0) = vj .
i
j

Por definici
on, la derivada parcial es
p
p (tei , 0) p (0, 0)
.
(0, 0) = lim
t0
i
t
De la desigualdad que probamos en la primera parte, sabemos que
p (tei , 0) p (0, 0) ui t.
p (tei , 0) p (0, 0)
p (tei , 0) p (0, 0)
Si t > 0, entonces
ui , y si t < 0 entonces
ui . Por lo tanto
t
t
se tiene la igualdad en el lmite.

Pregunta 3
La utilidad dada por una acci
on en la bolsa depende de un ndice de volatilidad x (que puede ser negativo o
positivo), y del precio y 0 que se est
a dispuesto a pagar por una garanta o seguro. La utilidad esta dada por
la funci
on de utilidad x3 3x y. Adem
as se tiene una restriccion de riesgo x + y 2.
1. Formule el problema no lineal y encuentre el optimo.
min

3x + y x3
st

x + y 2,
y 0.

El lagrangeano del problema es

L(x, y, u1 , u2 ) = 3x + y x3 + u1 (x + y 2) u2 y
Las condiciones de KKT del problema son:
3 3x2 + u1

1 + u1 u2

u1 (x + y 2)

u2 y

Tenemos que las condiciones de KKT son necesarias para caracterizar a los mnimos locales del problema.
Las soluciones al sistema anterior corresponden a
(2, 0, 9, 10), (1, 0, 0, 1) y (1, 0, 0, 1)

con valores 2, 2 y 2 respectivamente. Luego, la primera y tercera solucion corresponden a los mnimos
globales del problema.
2. Suponga ahora que la volatilidad es estrictamente positiva y que se esta dispuesto a aceptar un riesgo
mayor, pasando de 2 a 2.05. Estime la utilidad asociada a la accion en el nuevo problema.
En este caso el mnimo global con volatilidad estrictamente positiva corresponde (2, 0, 9, 10) con valor -2.
Gracias a la desigualdad probada en la primera parte de la pregunta anterior, se tiene que:
p (0.05, 0)
=

p (0, 0) (9, 10) (0.05, 0)

2.45,

y por lo tanto, volviendo al problema de maximizacion original, se tendra que al variar el riesgo en 0.05
se puede obtener una utilidad de a lo mas 2.45, que corresponde a un aumento de a lo mas 22.5% sobre
la utilidad del problema no perturbado.

Pregunta 4
1 2
(x + x22 ) con > 0. Usando el metodo del gradiente con
2 1
b
usqueda lineal exacta y partiendo desde x0 = (, 1), pruebe que
k

k

1
1
k
k
, x2 =
()
x1 =
+1
+1

Considere el problema de minimizar f (x) =

Sea tk el paso en la iteraci

on k-esima, y dk la direccion de descenso en la iteracion k-esima. Para el metodo del
gradiente con b
usqueda lineal exacta se tiene que
dk

= f (xk ) = (xk1 , xk2 )

tk

argmint0 f (xk tk f (xk )).

Luego, dado xk , para encontrar el paso en esa iteracion se resuelve el problema:



1
min
((1 t)2 (xk1 )2 + (1 t)2 (xk2 )2 )
t0
2
Derivando e igualando a cero se obtiene que la solucion optima a este problema es:
tk =

(xk1 )2 + 2 (xk2 )2
.
(xk1 )2 + 3 (xk2 )2

Para probar que las f

ormulas en () son correctas, lo haremos por induccion. Claramente para k = 0 se tiene.
Ahora, dado xk , notemos que:

2k
2k

2 1
+

2 1
+1
+1
tk =

2k

2k
3 1
2 1
+

+1
+1
=

2
.
1+

Luego, calculemos xk+1

:
1
xk+1
1

(1 tk )xk1

 
k
2
1
=
1

1+
+1

k+1
1
=
.
+1
=

Se calcula xk+1
se verifica de manera an
aloga, terminando la induccion.
2