Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programación No Lineal
Programación No Lineal
Metodologı́a para la
búsqueda de candidatos
a óptimo según
Kuhn-Tucker
Martı́n E. Masci1
1
Se agradecen los comentarios constructivos y la ayuda brindada por
parte de los profesores y ayudantes de la cátedra Garcı́a Fronti de
Matemática para Economistas. Especialmente a Marco Bellocchio, por la
ayuda en los aspectos formales y de presentación y a Javier I. Garcı́a Fron-
ti, por la motivación y la sugerencia bibliográfica. El presente trabajo fue
construı́do con fines didácticos asociados a la materia Matemática para Eco-
nomistas. El mismo ensaya una visión particular del tema propuesto.
1
2
Introducción
sujeto a
g1 (x1 , x2 , ..., xn ) ≤ b1
g2 (x1 , x2 , ..., xn ) ≤ b2
..
.
g (x , x , ..., x ) ≤ b
m 1 2 n m
3
En la programación no lineal, que se intenta abordar, existe un
tipo de metodologı́a que surge de las condiciones necesarias de
Kuhn-Tucker que permite encontrar los candidatos a óptimo
local.
Condiciones de Kuhn-Tucker
m
∂L(xi ) ∂f (xi ) X ∂gj (xi )
= − λj =0 (2)
∂xi ∂xi j=1
∂x i
4
debe ser igual a cero cuando las restricciones son de desigualdad
estricta. Esto es:
Algunas consideraciones
5
Por cuestiones de simplicidad se asume que se cumplen ciertas
condiciones necesarias y suficientes que conjuntamente con las
condiciones de Kuhn-Tucker garantizan que el óptimo obtenido
es global; esto implica suponer la cualificación de las restricciones
y otras cuestiones asociadas al comportamiento de las funciones
intervinientes. Por esta cuestión se asume que tanto f (x1 , . . . , xn )
como gj (x1 , . . . , xn ) son funciones continuamente diferenciables
de primer orden, es decir, pertenecen al conjunto de funciones
de tipo C 1 .
Ejercicios de aplicación
Ejemplo simple
6
De esta manera se procede a confeccionar el Lagrangiano aso-
ciado al ejemplo, para luego derivar del mismo las condiciones
de primer orden.
L(x, y, λj ) = −(x − 2)2 − (y − 3)2 + λ1 (1 − x) + λ2 (2 − y)
Condiciones de Kuhn-Tucker:
L0x = −2(x − 2) − λ1 = 0 (i)
L0y = −2(y − 3) − λ2 = 0 (ii)
λ1 ≥ 0, con λ1 = 0 si x < 1 (iii)
λ2 ≥ 0, con λ2 = 0 si y < 2 (iv)
7
experimenta el mismo absurdo que en los casos anteriores. Por
lo tanto, no existen candidatos a óptimo para este caso.
Otro ejemplo
sujeto a
g1 (x, y) = x2 + y ≤ 2, g2 (x, y) = y ≥ 1
Lagrangiano asociado:
L(x, y, λj ) = xy + x2 + λ1 (2 − x2 − y) + λ2 (−1 + y)
Condiciones de Kuhn-Tucker:
8
Procedimiento metodológico:
9
Por lo tanto, no hay candidatos a óptimo local asociados a
este caso.
Ejemplo de Minimización
sujeto a:
g1 (x1 , x2 ) = 2x1 + 3x2 ≥ 6
g2 (x1 , x2 ) = −3x1 − 2x2 ≥ −12
10
todos deseables por ser bienes y no males, con lo cual el indivi-
duo deseará consumir cantidades mayores o iguales a cero. Un
caso similar o análogo sucede cuando una firma toma decisiones
de producción, en función del beneficio económico a maximizar.
De esta manera este tipo de condiciones le otorgan al problema
mayor realidad y aplicación a la vida cotidiana.
sujeto a
−g1 (x1 , x2 ) = −2x1 − 3x2 ≤ −6
−g2 (x1 , x2 ) = 3x1 + 2x2 ≤ 12
Condiciones de Kuhn-Tucker:
11
Procedimiento metodológico:
12
x1 , queda que x1 > 65 . Si el reemplazo se realiza en (iv), por caso
x1 < 125
.
Dado de esa forma, no existen candidatos a óptimo asociados a
este caso.
13
Conclusión y observaciones finales
14
función objetivo en cada punto candidato y observar en cuál de
estos arrojo el mayor valor.
15
Lecturas Futuras.
Ben-Tal, A. (1980). “Second-order and related extremality
conditions in nonlinear programming.” Journal of Opti-
mization Theory and Applications 31(2): 143-165.
Bertsekas, D. P., W. W. Hager, et al. (1999). Nonlinear
programming, Athena Scientific Belmont, MA.
Chua, L. and G. N. Lin (2002). “Nonlinear programming
without computation.” Circuits and Systems, IEEE Trans-
actions on 31(2): 182-188.
Gould, F. J. (1969). “Extensions of lagrange multipliers in
nonlinear programming.” SIAM Journal on Applied Math-
ematics: 1280-1297.
Kaul, R. N. and S. Kaur (1985). “Optimality criteria in
nonlinear programming involving nonconvex functions.” Jour-
nal of Mathematical Analysis and Applications 105(1): 104-
112.
Klatte, D. and K. Tammer (1990). “Strong stability of sta-
tionary solutions and Karush-Kuhn-Tucker points in non-
linear optimization.” Annals of Operations Research 27(1):
285-307.
Kyparisis, J. (1985). “On uniqueness of Kuhn-Tucker mul-
tipliers in nonlinear programming.” Mathematical Program-
ming 32(2): 242-246.
Mangasarian, O. L. (1994). Nonlinear programming, Soci-
ety for Industrial Mathematics.
Rosen, J. B. (1965). “Existence and uniqueness of equilib-
rium points for concave n-person games.” Econometrica:
Journal of the Econometric Society 33(3): 520-534.
Stoer, J. (1963). “Duality in nonlinear programming and
the minimax theorem.” Numerische Mathematik 5(1): 371-
379.
16
Bibliografı́a.
Sydsæter, K., Hammond, P., Seierstad, A. y Strom, A. Fur-
ther Mathematics for Economic Analysis. Pearson Educa-
tion 2008.
17