PROBLEMAS DEL CAPITULO 4 DEL LIBRO DE

OPTIMIZATION OF CHEMICAL PROCESSES

4.1 Clasifique las siguientes funciones como continúas (especificar el rango) o

discretas:
(a) f  x   e x .
(b) f  x   axn 1  b  x0  xn  donde xn representa una etapa en una columna de
destilación.
(c) f  x    xD  xS  / 1  xS  donde xD es la concentración de vapor de un destilador y
xS es la concentración en el destilador.

4.2 El valor futuro S de una serie de n pagos uniformes cada uno de cantidad P es

P
S 1  i   1
n

i 

donde i es la tasa de interés por período. Si i es considerada como la única variable,

¿ésta es discreta o continua? Explique. Repita para n. Repita para ambas siendo n e i
variables.

4.3 En una planta el beneficio bruto P en dólares es

P  nS   nV  F 

donde n = el número de unidades producidas por año.

S = los precios de venta en dólares por unidad.
V = la variable de costos de producción en dólares por unidad.
F = la carga fija en dólares.

Supóngase que el costo unitario promedio se calcula como

nV  F
Costo unitario promedio =
n

Discuta bajo que circunstancias n puede tratarse como una variable continua.

4.4 Una tasa de retorno es la razón del beneficio neto P a la inversión total

P 1  t   S  V  F / n  
R  100  100 1  t  
I I /n

Donde t = la fracción de la tasa de impuesto.

I = la inversión total en dólares.

Hallar la máxima R como una función de n para una I dada si n es una variable continua
Repita si n es discreta. (Vea el problema 4.3 para otra notación).
4.5 Reescriba los siguientes problemas de programación lineal en notación matricial.

(a) Minimizar: f  x   3 x1  2 x2  x3
Sujeta a: g1  x   2 x1  3 x2  x3  10
g 2  x   x1  2 x2  x3  15

(b) Maximizar: f  x   5 x1  10 x2  12 x3
Sujeta a: g1  x   15 x1  10 x2  10 x3  200
g 2  x   x1  0
g3  x   x2  0
g 4  x   x3  0
h1  x   10 x1  25 x2  20 x3  300

4.6 Ponga la siguiente función objetivo no lineal en notación matricial mediante la

definición de las matrices adecuadas; x = [x 1 , x 2 ]T.

f  x   3  2 x1  3 x2  2 x12  2 x1 x2  6 x22

4.7 Dibuje la función objetivo y las restricciones de los problemas de programación no

lineal siguientes.

(a) Minimizar: f  x   2 x12  2 x1 x2  2 x22  6 x1  6

Sujeta a: g1  x   x1  x2  2

(b) Minimizar: f  x   x13  3 x1 x2  4

Sujeta a: g1  x   5 x1  2 x2  18
h1  x   2 x1  x22  5

(c) Minimizar: f  x   5 x12  x22

x12 1
Sujeta a: g1  x   2   1
x2 x2
g 2  x   x1  0
g3  x   x2  0

4.8 Distinguir entre los extremos locales y globales de la siguiente función objetivo.

f  x   2 x13  x22  x12 x22  4 x1 x2  3

4.9 ¿Son los vectores siguientes (a) factibles o no factibles con relación al problema
4.5b; (b) interiores o exteriores?
(a) x = [5, 2, 10]T (b) x = [10, 2, 7.5]T (c) x = [0, 0, 0]T
4.10 Sombree la región factible de los problemas de programación no lineal del
problema 4.7. ¿Es x = [1, 1]T un punto interior, frontera, o exterior en esos problemas?

4.11 Dadas las restricciones siguientes ¿Cuál es la región factible para x? Dibuje la
región factible para los problemas bidimensionales.

(a) h1  x   x1  x2  3  0
h2  x   2 x1  x2  1  0

(b) h1  x   x12  x22  x32  0

h2  x   x1  x2  x3  0

(c) g1  x   x1  x22  2  0
g 2  x   x1  x2  4  0

(d) h1  x   x12  x22  3  0

g1  x   x1  x2  2  0
g 2  x   x1  0
g3  x   x2  0

4.12 Se han reportado dos soluciones al problema de programación no lineal,

Minimizar: f  x   7 x1  6 x2  4 x3
Sujeta a: h1  x   x12  2 x22  3 x32  1  0
h2  x   5 x1  5 x2  3 x3  6  0

un máximo y un mínimo aparentemente.

 0.947   0.534 
x   0.207  x   0.535 
 0.0772   0.219 
f  x   5.08 f  x   0.346

Verifique que cada uno de estos vectores x es factible.

4.13 Se ha reportado que el problema

f  x   100  x2  x12   1  x1 
2 2
Minimizar:
Sujeta a: x12  x22  2

tiene un mínimo local en el punto x* = [1, 1]T. ¿Este óptimo local es también un óptimo
global?
4.14 ¿Bajo qué circunstancias se garantiza que un mínimo local es un mínimo global?
(Sea breve).

4.15 ¿Las funciones siguientes son convexas? ¿Estrictamente convexas? ¿Por qué?
(a) 2 x12  2 x1 x2  3x22  7 x1  8 x2  25
¿Cuáles son los valores óptimos de x 1 y x 2 ?
(b) e5x

4.16 Determine la concavidad o convexidad de las siguientes funciones objetivo:

(a) f  x1 , x2    x1  x2   x22
2

(b) f  x1 , x2 , x3   x12  x22  x32

(c) f  x1 , x2   e x1  e x2

4.17 Muestre que f  e x1  e x2 es convexa. ¿Es también estrictamente convexa?

4.18 Muestre que f  x es convexa.

4.19 ¿Es convexa la región construida por las siguientes cuatro restricciones? ¿Cerrada?

x2  1  x1
x2  1  0.5 x1
x1  2
x2  0

4.20 ¿El siguiente conjunto de restricciones forman una región convexa?

g1    x12  x22   9  0
g 2   x1  x2  1  0

4.21 Considere el problema siguiente:

Minimizar: f  x   x12  x2
Sujeta a: g1  x   x12  x22  9  0
g 2  x    x1  x22   1  0
g3  x    x1  x2   1  0

¿El conjunto de restricciones forman una región convexa? ¿Es cerrada? (Ayuda: Una
gráfica le ayudará a decidir).

4.22 ¿La función siguiente es convexa, cóncava, ninguna o ambas? Muestre sus
cálculos.
f  x   ln x1  ln x2
4.23 Dibuje la región definida por las restricciones de desigualdad siguientes. ¿Esta es
una región convexa? ¿Es cerrada?
x1  x2  1  0
x1  x2  1  0
2  x1  0
x2  0

4.24 ¿El conjunto de restricciones siguiente forman una región convexa?

h  x   x12  x22  9  0
g1  x     x1  x22   1  0
g 2  x     x1  x2   1  0

4.25 Las funciones separables son aquellas que pueden expresarse en la forma

n
  x    i  x  .
i 1

Por ejemplo, x12  x22  x32 es una función separable porque

  x    xi2 .

Muestre que si los términos en una función separable son convexos, la función
separable es convexa.

4.26 ¿El problema siguiente es un problema de programación convexa?

200
Minimizar: f  x   100 x1 
x1 x2
300
Sujeta a: 2 x2  1
x1 x2
x1 , x2  0

4.27 Clasifique cada una de las matrices siguientes como (a) positiva definida, (b)
negativa definida, (c) ninguna.
1 0   0.1 0 
(a)   (c)  
0 1   3 1

1 1  1 2 
(b)   (d)  
1 1  2 1 

4.28 Determine si la matriz siguiente es positiva definida, positiva semidefinida,

negativa definida, negativa semidefinida, o ninguna de arriba. Muestre todos los
cálculos.
 1 1 1 
A  1 1 1 
1 1 0 

4.29 En el diseño de una lata que mantiene una determinada cantidad de refresco, la
función de costo (a minimizar) para la fabricación de la lata es


f  D, h    Dh  D2
2
y las restricciones son

D 2 h  400
4
3.5  D  8 8  h  18

Basado en el problema anterior, responda lo siguiente; que tanto es posible para cada
respuesta usar las matemáticas para respaldar sus afirmaciones:
(a) Establecer si f (D, h) es unimodal (un extremo) o multimodal (más de un extremo).
(b) Establecer si f (D, h) es continua o no.
(c) Establecer si f (D, h) es convexa, cóncava, o ninguna.
(d) Establecer si o no f (D, h) satisface solo las condiciones necesarias y suficientes
para que exista un mínimo.
(e) Establecer si las restricciones forman una región convexa.

4.30 Un reactor convierte un compuesto orgánico a un producto P calentando el

material en presencia de un aditivo A (fracción molar = x A ). El aditivo puede inyectarse
en el reactor, mientras que el vapor puede inyectarse en un serpentín de calentamiento
en el interior del reactor para proporcionar calor. Algo de la conversión puede obtenerse
por calentamiento sin adición de A, y viceversa. El producto P se puede vender por
$50/lbmol. Para 1 lbmol de alimentación, el costo del aditivo (en dólares/lbmol) como
una función de x A esta dada por la fórmula, 2.0 + l0x A + 20x A 2. El costo del vapor (en
dólares) como una función de S es 1.0 + 0.003S + 2.0 x 10-6 S2 (S = lb de vapor/lbmol
alimentación). La ecuación de producción es y P = 0.1 + 0.3x A + 0.001S + 0.0001 x A S; y P
= lbmol de producto P / lbmol de alimentación.

(a) Formule la función de beneficio (en una base de 1.0 lbmol de alimentación) en
términos de x A y S.
f = Ingresos - Costos
Las restricciones son:
0  xA  1 S 0

(b) ¿f es una función cóncava? Demuestre matemáticamente porque si o porque no es

una función cóncava.
(c) ¿La región de búsqueda es convexa? ¿Por qué?

4.31 La función objetivo para el requerimiento de trabajo para un compresor de tres

etapas puede expresarse como (p es la presión)
 0.286 0.286 0.286
p  p  p 
f  2   3   4 
 p1   p2   p3 

donde p 1 = 1 atm y p 4 = 10 atm. El mínimo ocurre a una razón de presión de 3 10 para

cada etapa. ¿ f es convexa para 1  p 2  10 y 1  p 3  10?

4.32 En el problema siguiente

(a) ¿La función objetivo es convexa? (b) ¿La región de restricción es convexa?

200
Minimizar: f  x   100 x1 
x1 x2
300
Sujeta a: g  x   2 x2  1
x1  x2
x1  0
x2  0

4.33 Responda a las preguntas para el problema que sigue; en cada caso justifique su
respuesta.

1 4 1 2
Minimizar: f x  x1  x1  x2
4 2
Sujeta a: x12  x22  4
x1  x2  2

(a) ¿El problema es un problema de programación convexa?

(b) ¿El punto x = [l 1]T es un punto factible?
(c) ¿El punto x = [2 2]T es un punto interior?

4.34 Happel y Jordan (1975) reportaron una función objetivo (de costo) para el diseño
de una columna de destilación como sigue:

f = 14720(100 - P) + 6560R – 30.2PR + 6560 – 30.2P

+ 19.5n(5000R – 23PR + 5000 – 23P)0.5

+ 23.2(5000R – 23PR + 5000 – 23P)0.62

donde n = número de etapas teóricas.

R = la razón de reflujo.
P = el porcentaje de recuperación de la corriente de la base.

Ellos reportaron que el óptimo se obtiene en R = 8, n = 55 y P = 99. ¿ f es convexa en

este punto? ¿Cuáles son las regiones cercanas donde f no es convexa?

4.35 Dada la función objetivo lineal,

f  x1  x2
explique por qué una región no convexa como la región A en la Figura P4.35 causa
dificultades en la búsqueda para el máximo fuera de la región. ¿Por qué la región A no
es convexa?

4.36 Considere la función objetivo siguiente

n
f     xi  
i 1

Muestre que f es convexa. Ayuda: Expanda f para ambas n impar y n par. Puede
graficar la función para ayudarse en su análisis. ¿bajo qué circunstancias

n
f  x    ci x   i
i 1
es convexa?

4.37 Clasifique los puntos estacionarios de

(a) f   x 4  x3  20
(b) f  x3  3 x 2  x  5
(c) f  x 4  2 x 2  1
(d) f  x12  8 x1 x2  x22
de acuerdo a la Tabla 4.2

4.38 Liste los puntos estacionarios y su clasificación (máximo, mínimo, punto de silla)
de
(a) f  x12  2 x1  3x22  6 x  4
(b) f  x1  x2  x12  4 x1 x2  2 x22

4.39 Establezca que tipo de superficie esta representada por

f  x   2 x12 x2  2 x22  x13

en el punto estacionario x = [0 0]T (use la Tabla 4.2).

4.40 Interprete la geometría de la siguiente función en sus puntos estacionarios en
términos de la Tabla 4.2
f  x   3 x13 x2

4.41 Clasifique la función siguiente en términos de la lista en la Tabla 4.2:

f  x   10 x1  x12  10 x2  x22  x1 x2  x13  34

4.42 En el cristal de NaCl, cada ión de Na+ o C1- esta rodeado por 6 vecinos cercanos de
carga opuesta y 12 vecinos cercanos de la misma carga. Dos conjuntos de fuerzas se
oponen a las otras: la atracción coulombiana y la repulsión de esfera dura. La energía
potencial u(r) del cristal esta dada por la expresión del potencial de Lennard-Jones,

  12   6 
u  r   4       
 r   r  

donde ,  son constantes, tales que  > 0,  > 0.

(a) ¿El potencial de Lennard-Jones u(r) tiene un punto o puntos estacionarios? Si es así,
localícelo(s).
(b) Identifique la naturaleza del punto o puntos estacionarios (mínimo, máximo, etc.)
(c) ¿Cuál es la magnitud de la energía potencial en los puntos estacionarios?

4.43 Considere la función

y   x  a
2

Observe que x = a minimiza y. Sea z = x2 - 4x + 16. ¿La solución a x2 - 4x +16 = 0,

4  48
x  2  2 3i
2
minimiza z? (i = 1 ).

4.44 La función objetivo siguiente puede verse por inspección que tiene un mínimo en
x = 0:
f  x   x3

¿Puede aplicarse el criterio de la Sección 4.5 para probar este resultado?

4.45 (a) Considere la función objetivo,

f  6 x12  x23  6 x1 x2  3x22

Halle los puntos estacionarios y clasifíquelos usando la matriz hessiana.

(b) Repita para
f  3x12  6 x1  x22  6 x1 x2  x3  2 x32  x2 x3  x2
(c) Repita para
 f  a0 x1  a1 x2  a2 x12  a3 x22  a4 x1 x2

4.46 Una función objetivo es

f  x    x1  8    x2  5   16
2 2

Por inspección, se halla que x* = [8 5]T produce el mínimo de f (x). Muestre que x*
satisface las condiciones necesarias y suficientes para un mínimo.

4.47 Analice la función

1 4 1 2
f  x  x  x
4 2

Halle todos sus puntos estacionarios y determine si son máximos, mínimos, o puntos de
inflexión (silla). Dibuje la curva en la región de

2  x  2

4.48 Determine si la función objetivo siguiente

f  x   2 x13  x22  x12 x22  4 x1 x2  3

tiene mínimos o máximos locales. Clasifique cada punto con claridad.

4.49 ¿La función siguiente es unimodal (solo un extremo) o multimodal (más de un

extremo)?
 x 2   x  0

f  x    x 2 0  x 1
e x 1
1 x  


4.50 Determine si la solución x = [-0.87 -0.8]T para la función objetivo

f  x   x14  12 x23  15 x12  56 x2  60

es en verdad un máximo.