Tema 9: Optimizaci

on con restricciones de igualdad

1. Introducci
on
El problema general que resolveremos puede plantearse com:

Opt. f (
x)
x) = b
s. a. g(

donde f : Rn R, g : Rn Rm , g (g1 , ..., gm ) y b Rm . Supondremos n > m (la diferencia n m

suele denominarse grados de libertad)

2. M
etodo de los multiplicadores de Lagrange

Opt. f (x1 , ..., xn )

s. a. g1 (x1 , ..., xn ) = b1
g2 (x1 , ..., xn ) = b2
..
.
gm (x1 , ..., xn ) = bm
on de Lagrange L : Rn+m R como:
Se define la funci

L(x1 , ..., xn ; 1 , ..., m ) = f (x1 , ..., xn )1 (g1 (x1 , ..., xn ) b1 )2 (g2 (x1 , ..., xn ) b2 )...m (gm (x1 , ..., xn ) bm )

Vectorialmente:
L( = f (
x, ) t g(
x) x) b
siendo:
x
vector de instrumentos
vector de multiplicadores de Lagrange

 Calculemos las parciales de la funcion lagrangiana:

L
x1 (
x, )
L
x2 (
x, )
..
. P

L x L(
x, ) x) m
x f ( i=1 i gi (
x) x f (
x) J g(
x)
= xn ( x , ) = =
L(
x, ) = ... ... ...
...
L L(
x, ) g(
x) b g( x) b
1 ( x, )

..
.
L
m ( x, )

I.
L( = f (
x, ) x),
x X.

Diremos que (x , ) es un punto crtico de L( si L(x , ) = 0

x, )

II. Si (x , ) es un punto crtico de la lagrangiana = x es un punto factible.

III. Condici
on necesaria de
optimo local (Teorema de los multiplicadores de Lagrange)
Sean f, g C 1 (A).

Si x es un optimo local del problema de programacion clasica con restricciones de igualdad y

rango(J g(x )) = m, entonces existe un vector de multiplicadores tal que: (x , ) es un punto crtico de
la funcion de Lagrange, es decir:
g(x ) = b
m
X m
X
f g
x f (x ) = j x g(x ) (x ) = j (x ), i = 1, ..., n
xi xi
j=1 j=1

IV. Condici
on suficiente de
optimo local
Sean f, g C 2 (A) y (x , ) un punto crtico de la funcion lagrangiana.

La condicion suficiente para que x sea m aximo local estricto (mnimo local estricto) es que la
forma cuadratica asociada a la matriz hessiana de la funcion lagrangiana relativa a la variabla x, Hx L(x , ),
sea definida negativa (definida positiva) respecto a los vectores del plano tangente a la restriccion
x) = b, es decir, respecto a los vectores h
g( Rn : h
t J g(x ) = 0.
V. Condiciones de
optimo global
En los problemas convexos de programacion clasica con restricciones de igualdad, la condicion necesaria y
suficiente para que x se optimo global, es que (x , ) sea punto crtico de la funcion de Lagrange.

Que implica la exigencia de convexidad en estos problemas?

1. f ha de ser concava (maximo) o convexa (mnimo).

2. Las restricciones han de ser lineales.

3. Si f es estrictamente concava o convexa, entonces el optimos global es u

nico.
Interpretaci on econ omica de los multiplicadores de Lagrange
Las restricciones de un problema de programacion matematica hacen que empeore el valor del optimo
de la funcion objetivo, es decir, que disminuya el maximo y que aumente el mnimo. En los problemas
economicos las restricciones de igualdad, ademas de representar generalmente las limitaciones de los recursos,
indican la exigencia de la utilizacion de los mismos en cantidades prefijadas.

Con estas cantidades, b, fijadas se obtiene el optimo x que tiene asociado un vector de multiplicadores
.

Q: Como repercute en el valor de la funcion objetivo en dicho optimo, una modificacion que hagamos en
la limitacion de los recursos?

f
Si HL(x , ) es regular (es decir, de determinante no nulo) = (x , ) = j , j = 1, ..., m.
bj

j mide por tanto el grado de sensibilidad de la funcion objetivo frente a cambios infinitesimales (desde la
optica de la interpretacion matematica de la derivada) o cambios unitarios (interpretaci
on economica) de la

limitacion del recurso jesimo (j tambien suele denominarse precio sombra o coste de oportunidad)