Apuntes Economia Optimizacion Con Restricciones de Desigualdad Condiciones de Kuhn Tucker Curso 2

lOMoARcPSD|2640033
Matemáticas Avanzadas para la Economía Curso 2013/2014

Manuel Sánchez Sánchez (UNED)
Optimización con restricciones de desigualdad:

Condiciones de Kuhn-Tucker
Hasta ahora, hemos estudiado como maximizar o minimizar una función sujeta a restricciones
en forma de ecuaciones de igualdad. En esta sección, nos ocuparemos de problemas de
programación no lineal, con restricciones en forma de desigualdad.
Los programas con restricciones de desigualdad, tienen una historia mucho más reciente que
los programas analizados anteriormente. Las características y métodos de resolución de estos,
se empiezan a dar a conocer en los años cincuenta de este siglo, mientras que los programas
con restricciones de igualdad o sin restricciones conforman la optimización clásica, y han sido
utilizados desde el siglo XVIII.
Los métodos teóricos de resolución de los programas no lineales, con restricciones de

desigualdad, son conocidos a partir de los trabajos de los matemáticos norteamericanos Kuhn
y Tucker, publicados en 1951.
Este tipo de programas representan con más fidelidad, las circunstancias en las que se
desenvuelve la actividad económica, ya que normalmente se dispone de cantidades limitadas
de recursos - más de una vez habremos leído que la economía es la ciencia de la escasez -
pero sin la obligación de emplearlas en su totalidad, si ello no resulta necesario.
Así, este nuevo tipo de programas, nos posibilita obtener soluciones óptimas que no saturen1
necesariamente todas las restricciones, pudiendo quedar recursos que no sea necesario utilizar
hasta su agotamiento.
Consideremos el problema sencillo de programación no lineal:
max ( , ) ( , )≤
Un punto factible ( , ) satura o activa la restricción ( , ) ≤ cuando se verifique que ( , ) = . En

1
1
Página
caso contrario ( , )< diremos que ( , ) no satura la restricción.
Descargado por Dolores Martel (doloresmar4@hotmail.com)

lOMoARcPSD|2640033
Matemáticas Avannzadas parra la Econoomía Cursso 2013/201

14
Manuell Sánchez Sánchez
S UNED)
(U
Lo prim
mero que haremos es escribir unn procedimiiento, que nos
n permitaa obtener to
odos los
puntos ( , ) quue pudieran
n resolver el probleema. Este procedimieento establlece las
denominnadas conddiciones neccesarias de Kuhn-Tuck
ker, que son condicionnes necesarrias para
que un ppunto - que cumple la hipótesis d
de cualifica
ación de lass restriccioones2 - sea óptimo.
ó
Regla ppara resolveer ( , ) sujeta a ( , ) ≤
1. A
Asociar unn multiplicaador constaante de Lag
grange , a la restriccción ( , )≤ y
ddefinir la fuunción lagraangiana:
( , )= ( , )+ ( ( , )− )
2. IIgualar a ceero las deriv
vadas parciaales de ( , ):
´ ( , )= ´( ´(
, )+ , )=0
´ ( , )= ´( ´(
, )+ , )=0
3. IIntroducir la condición
n de holgurra complem
mentaria:
≤0, =0 ( , )<
Exigir que ( , ) satisffaga la restrricción:
4. E
( , )≤
Hallar ttodos los puntos

p ( , ) que, junnto con loss valores asociados
a dde , satisffacen las
condicioones (2), (3), y (4).
Adviérttase, que loss pasos 1 y 2 son exacctamente loss que se usaaron en el m

método lagrrangiano
de la seección anteerior. Como
o la condicción 4 se tiiene que saatisfacer obbviamente, la única
novedadd es la conddición 3.
Condición 3
Esta conndición dicee que debe ser no po sitivo y, además que = si ( , ) < .
Así si < 0, se debbe tener ( , ) = .
Una forrmulación alternativa de
d esta condiición es quee:
2
Página
2
Ver N
Nota p.s.

lOMoARcPSD|2640033

≤ 0, ∙ ( , )− =0
Nótese que es posible que sean =0y ( , )= a la vez en (3).
Decimos que ≤0y ( , )≤ son desigualdades complementarias en el sentido de que

a lo más se puede "dar holgura" a una, esto es, a lo más una es estricta. Equivalentemente, al
menos una debe ser una igualdad.
Las ecuaciones (2) y (3) se conocen como las condiciones de Kuhn-Tucker. Nótese que ellas
son, esencialmente, condiciones necesarias para la solución del problema (1).
Nota
Hipótesis de Cualificación de las restricciones
Las condiciones de Kuhn-Tucker son necesarias solamente si se satisface una
disposición específica llamada hipótesis de cualificación de la restricción
(h.c.r.), que impone una cierta condición sobre las funciones de restricción,
con el propósito de descartar ciertas irregularidades en la frontera del conjunto
factible, que invalidarían la condiciones de Kuhn-Tucker como necesarias,
dándose la posibilidad de la existencia de puntos que siendo óptimos del
problema, no verifiquen dichas condiciones.
Esta disposición h.c.r. es en general difícil de comprobar, por ello en la

práctica, se exige el cumplimiento de la condición de regularidad, que es
una condición suficiente para que se verifique la h.c.r.
Condición de Regularidad de un Punto

Un punto ( , ) es regular si no satura ninguna de las restricciones, o bien, en
el caso de saturar alguna de ellas, los gradientes de las restricciones saturadas
en dicho punto son vectores linealmente independientes.
Supondremos que se verifica la denominada h.c.r, de modo que las

3
condiciones de Kuhn-Tucker serán condiciones necesarias, que deberá

Página
cumplir cualquier posible óptimo del conjunto factible.

lOMoARcPSD|2640033

Ejemplo
Resolver el problema:
max ( , ) = x + y + y − 1 sujeta a ( , ) =x + y ≤ 1
Solución
La función lagrangiana es:
( , ) = x + y + y − 1 + (x + y − 1) (i)
Las condiciones de primer orden son:
´ ( , )=2 +2 =0 (ii)
´ ( , )=2 +1+2 =0 (iii)
La condición de holgura complementaria es:
≤ 0, =0 x +y <1 (iv)
Queremos hallar todos los pares ( , ) que verifican estas condiciones para un valor adecuado
de .
Consideramos primero la condición (ii), que es 2 (1 + ) = 0.
Hay dos posibilidades: = −1 o = 0.
Si = −1 entonces (iii) da 1 = 0, que es una contradicción. Por tanto, = 0.

Supongamos que x + y = 1 y así = ±1 ya que según acabamos de ver = 0.
Tomemos primero = .
Entonces (iii) implica que = −3/2 y así se verifica (iv).
Por tanto, (0,1) con = −3/2, es un candidato a óptimo porque se satisfacen todas las
4
condiciones (ii) a (iv).

Página

lOMoARcPSD|2640033

Tomemos ahora =− .
La condición (iii) da = −1/2 y se verifica también (iv).
Por tanto, (0,1) con = −1/2 es otro candidato a óptimo.
Finalmente consideremos el caso en que = 0 y x + y < 1.
Esto es: −1 < < 1.
Entonces (iv) implica que = 0 y (iii) da = −1/2. Por tanto, (0, -1/2) con = 0 es un
candidato a óptimo.
La conclusión es entonces que hay tres candidatos a óptimo. Ahora bien:
(0,1) = 1 (0, −1) = −1 (0, −1/2) = −5/4 (v)
Si sustituimos dichos puntos en la función objetivo, deducimos que en el punto =0 e

= 1 se encuentra un máximo local del problema, mientras que en el punto (0, −1/2) hay
un mínimo local.
Método de Resolución del Problema General
Un problema de programación no lineal general es el siguiente:
( ,…, ) ≤
max ( , … , ) ……………………..
( ,…, ) ≤
Ahora ya es muy fácil dar una regla para resolver el problema general (1) de programación no
lineal. Damos la regla en el siguiente recuadro
5
Página

lOMoARcPSD|2640033

14
S UNED)
(U
Regla p
para resolver el probleema generaal de progrramación no lineal
max ( ) ( )≤ ( = 1, … , )
ddonde = ( ,…, ).
1. E
Escribir la función
f lagrrangiana: ( )= ( )+∑ ( )−
dondde ,…, son multiplicadores dde Lagrange asociadas con las rrestriccionees.
den de ( )):
2. IIgualar a ceero todas lass derivadas parciales dee primer ord
( ) ( ) ( )
= + =0 ( = 1, … , )
3. IImponer lass condicionees de holguura complem

mentaria:
≤ 0, =0 ( )<
Exigir que x satisfaga las

4. E l restricciiones:
( )≤ ( = 1, … , )
Hallar ttodos los x, y los valorees asociadoos de ,…, que satiisfagan todaas esas cond
diciones.
Estos soon los canddidatos a óptimo, y, si eel problemaa tiene solu
ución, al meenos uno dee ellos lo
resuelvee.
El conjjunto de vectores
v = ( ,…, ) que verrifican todaas las resttricciones se
s llama
conjuntto admisiblle, o más freecuentemennte, el conju
unto factiblle.
Nótese que minimiizar ( , … , ) es eqquivalente a maximizar − ( , … , ). Tamb

bién una
desiguaaldad como ( ,…, )≥ see puede esccribir como − ( , … , ) ≤ − , y una
igualdadd ( ,…, )= ess equivalentte a las dos desigualdad
des ( ,… , )≤ y
6
Página

lOMoARcPSD|2640033

14
S UNED)
(U
− ( ,…, ) ≤ − . De esta
e maneraa la mayo
oria de loss problemaas de optim
mización
restringida se puedden expresarr en la form
ma (1).
uhn-Tucker son esenciaalmente necesarias

Como een la seccióón anterior, las condiciiones de Ku
para la solución deel problemaa (1), pero no son sufficientes. Ell siguiente teorema no
os ofrece
condicioones suficieentes:
Cond
dicioness Suficieentes dee Kuhn
n-Tuckeer
Las conndiciones suuficientes co
onllevan disstintas impllicaciones que
q las conddiciones necesarias,
∗
ya que si un puntoo satisfaace una conndición sufiiciente paraa máximos, entonces ese punto
debe maaximizar la función objjetivo.
En estee sentido, las condiciones suficcientes noss proporcionan un tippo de prueeba más
definitivvo, aunquee al ser só
ólo suficiennte, una so
olución gen
nuinamente óptima pu
uede no
satisfaceer la condicción suficien
nte.
En la p
práctica apparecen con
n frecuenciaa programass de optimización en llos que el conjunto
c
factible S es conveexo y la función objetivvo es cóncav
va o convex
xa en S.
Estos prrogramas se denominaan convexoos y simpliffican consid
derablementte la resolu
ución del
problem
ma de optim
mización.
ma convexoo, el óptim
Concrettamente en un program mo local es también gllobal y adeemás las
condicioones necesaarias de Kuh
hn-Tucker sson también
n suficientess.
Condiciones Suficcientes de Óptimo

Ó Gloobal
∗
Consideeremos el problema
p (1), y suponngamos quee el punto es un punto regu
ular, que
satisfacee las condicciones de Khun-Tucke
K er (2), (3) y (4), siendo las funcionnes de restricción gi
diferencciables en S,
S entonces:
 Si el conjuunto factiblle S es connvexo y laa función f es diferennciable y cóncava

∗
((convexa) en
e S, el puntto es m
máximo (mín
nimo) global.
∗
 Si f es estrrictamente cóncava
c o eestrictamente convexa, entonces, el punto es un
m
máximo o mínimo
m glob
bal estricto..
7
Página

lOMoARcPSD|2640033

Nota
En general no siempre es fácil determinar si el conjunto factible S es convexo, Sin
embargo cuando las restricciones gi son convexas en el dominio de optimización,
podemos asegurar que el conjunto factible S es convexo.
Ejemplo
Un individuo consume dos bienes en cantidades e , y deriva utilidad según la función
( , )= + . Los precios de los dos bienes son = 10 y = 5, respectivamente, y
el ingreso del individuo es = 350.
Supongamos que consumir una unidad del primer bien toma 0,1 horas, mientras que una del
segundo se consume en 0,2 horas. El individuo dispone en total de 8 horas, como máximo,
para dedicar a su consumo de los dos bienes. ¿Cuáles son los niveles de consumo óptimos de
esta persona?
Solución.
El problema es:
10 + 5 ≤ 350
max ( , ) = +
0,1 + 0,2 ≤ 8
La función lagrangiana es:
( , )= + ln + (10 + 5 − 350) + (0,1 + 0,2 − 8)
luego las condiciones necesarias para que ( ∗ , ∗

) resuelva el problema son que existan
y tales que:
´
1
= ∗
+ 10 + 0,1 =0 (i)
´
1
= ∗
+5 + 0,2 =0 (ii)
∗ ∗
≤ 0, =0 10 +5 < 350 (iii)
8
Página

lOMoARcPSD|2640033

∗ ∗
≤ 0, =0 0,1 + 0,2 < 8 (iv)
Para cada una de las dos restricciones tenemos bien igualdad (si la restricción esta activa) o
desigualdad (si la restricción esta inactiva). Así, hay cuatro casos diferentes:
I Ambas restricciones están activas.

En este caso:
∗ ∗
10 +5 = 350 (v)
y
∗ ∗
0,1 + 0,2 =8 (vi)
La solución de (v) y (vi) es ( ∗ , ∗)

= (20,30). Si insertamos estos valores en (i) y (ii),
obtenemos el sistema de dos ecuaciones:
10 + 0,1 = −1/20
5 + 0,2 = −1/30.
La solución de este sistema es ( , ) = (− , − ), luego hemos encontrado un candidato
a ser solución, puesto que las condiciones de Khun-Tucker se satisfacen. (nótese que es
importante verificar que ≤0y ≤ 0)
II La primera restricción esta activa, la segunda no.

En este caso, (v) se sigue cumpliendo pero no así (vi), que ahora resulta:
∗ ∗
0,1 + 0,2 < 8.
∗
De (iv) sabemos que = 0, mientras (i) y (ii) implican que = 2 . Reemplazando
∗ ∗ ∗
en (v) , obtenemos que = 17,5 y, por tanto =2 = 35.
∗ ∗
Pero esto implica que 0,1 + 0,2 = 8,75 lo cual viola la segunda restricción, luego
concluimos que no puede haber una solución bajo este caso.
9
Página

lOMoARcPSD|2640033

III La segunda restricción esta activa, la primera no.

∗ ∗
Aquí, (vi) se cumple pero: 10 +5 < 350.
∗
De (iii) tenemos que = 0, mientras que (i) y (ii) nos dicen que 0,1 = 0,2 ∗ .
∗ ∗
Reemplazando en (vi), obtenemos que = 20 y, por tanto = 40.
∗ ∗
Pero esto implica que 10 +5 = 500, lo cual viola la primera restricción.
Nuevamente, podemos concluir que no puede haber una solución bajo este caso.
IV Ambas restricciones están inactivas.

En este caso = = 0, lo cual hace que (i) y (ii) sean imposibles de satisfacer.
Conclusión:
Hay solo un candidato a solución: el punto (20,30).
Al ser la función f estrictamente cóncava – su matriz Hessiana es definida negativa -, y la

región factible convexa – ya que está formada por restricciones lineales - concluimos que en
el punto hallado se encuentra el máximo global estricto.
Nota:
El método general para hallar todos los candidatos a óptimo en un problema de
programación con restricciones de desigualdad se puede formular así:
 Estudiar primero el caso en que todas las restricciones están activas,

 A continuación estudiar la totalidad de los casos en que todas menos una están
activas, luego aquellos en que todas menos dos están activas, y así sucesivamente.
 Se termina por el estudio del caso en que ninguna restricción esta activa.
Por supuesto que el orden no importa, pero hay que considerar cada caso. En cada paso
hallamos todos los vectores x, junto con los valores asociados de los multiplicadores de
10
Lagrange, que satisfacen todas las condiciones relevantes.

Página
 Por último buscamos entre todas las posibilidades para hallar la mejor.

lOMoARcPSD|2640033

Resolución Gráfica de Problemas de Optimización

Restringida
Cuando el programa de optimización está definido sobre el plano, es decir, la función objetivo
es de dos variables, el estudio gráfico del problema puede ser en muchos casos un método
útil para su resolución, evitando así, las ecuaciones de Kuhn-Tucker.
Para resolver gráficamente un problema de optimización, seguiremos los siguientes pasos:
 Se dibujan las curvas de nivel de la función objetivo.
 Observando el crecimiento de las curvas de nivel y el conjunto factible, es posible

determinar gráficamente dónde se encuentran los óptimos del problema.
 Si el óptimo es un vértice del conjunto factible – punto de intersección de las

restricciones -, su cálculo se realiza fácilmente a partir de las restricciones.
 Si el óptimo se encuentra en el interior del conjunto factible, el problema es

equivalente a un problema de optimización sin restricciones.
 Si el óptimo es punto de tangencia entre una curva de nivel de la función ( , ) y una

de las curvas ( , ) = de las restricciones, el problema es equivalente a un
problema de optimización con restricciones de igualdad.
.
Ejemplo
Un proceso productivo transforma dos inputs en cantidades x e y en un output en cantidades

Q1 siguiendo la relación:
=3 +
La utilidad de este proceso ha sido analizada, obteniéndose en función de los inputs como:
( , )= −
Si por restricciones del mercado sabemos que nunca se deben obtener más de 4 unidades de
. ¿Cuáles será las cantidades de inputs que maximizan la utilidad del proceso?
Solución:
11
Al ser el conjunto factible = ( , ): 3 + ≤ 4, ≥ 0, ≥ 0 convexo y la función

objetivo ( )
, = − cóncava, ya que su matriz Hessiana es semidefinida negativa,
Página
podemos aplicar la condición suficiente de globalidad de modo que si existe un máximo ha

de ser global.

lOMoARcPSD|2640033

14
S UNED)
(U
s el conjjunto factibble compaccto – cerrraado y acotaado -, y la función

Por otraa parte, al ser
objetivoo continuaa, el teorem
ma de los vvalores extrremos3, aseegura la exi
xistencia de óptimos
globaless.
De la reepresentacióón gráfica observamos

o que la curv
va de nivel máxima quue se puede alcanzar
sujeta a la restricciión plantead
da en el enuunciado dell problema, se encuentrran en el pu
unto A =
(0,4). O
Observemos que es el punto
p del cconjunto facctible que pertenece
p a la curva de
d mayor
nivel dee la función de utilidad.
Conddiciones de no negativid
n dad paraa las varriables.
Es frecuuente que las
l variablees que apareecen en loss problemass económiccos de optim
mización
sean noo negativas por su prropia naturaaleza. A co
ontinuación
n veremos ccomo no es
e difícil
incorporar esas resstricciones a la formulaación del prroblema de optimizacióón; por ejeemplo, la
12
Página
3
Ver A
Apéndice.

lOMoARcPSD|2640033

restricción ≥ 0 se pueden representar por ( ,…, )=− ≤ 0, y se introduce un
multiplicador de Lagrange adicional para ella. Sin embargo, para no tener que manejar
demasiados multiplicadores de Lagrange, se suelen formular las condiciones necesarias de
solución de los problemas de programación no lineal con restricciones de no negatividad de
las variables de una forma ligeramente distinta.
Consideremos primero el problema: max ( , ) ( , )≤ , ≥ 0, ≥0
Introducimos las funciones: ( , )=− y ( , )=−
Las restricciones del problema pasan a ser: ( , ) ≤ , ( , )≤0 ( , ) ≤ 0.
A continuación tomamos la función lagrangiana:
( , )= ( , )+ ( ( , )− )+ (− ) + (− )
Las condiciones de Khun-Tucker son:

´( ´(
= , )+ , )− = 0 (i)
´( ´(
= , )+ , )− = 0 (ii)
≤ 0 (= 0 ( , )< ) (iii)
≤ 0 (= 0 > 0) (iv)
≤ 0 (= 0 > 0) (v)
´( ´(
De (i) obtenemos: , )+ , )= .
De (iv) obtenemos que: ≤0 y = 0 si > 0.
Asi (i) y (iv) equivalen conjuntamente a:

13
´( ´( ´( ´(
, )+ , ) ≤ 0, , )+ , )=0 > 0 (vi)
Página
De manera análoga, (ii) y (v) equivalen conjuntamente a:

lOMoARcPSD|2640033

´( ´( ´( ´(
, )+ , ) ≤ 0, , )+ , )=0 > 0 (vii)
Por tanto, las nuevas condiciones de Khun-Tucker son (vi), (vii) y (iii).
Nótese que, después de sustituir (i) y (iv) por (vi) y (ii) y (v) por (vii), sólo el multiplicador
asociado con ( , ) ≤ permanece.
Se puede extender la misma idea al problema de variables:
( ,…, ) ≤
max ( , … , ) …………………….. ≥ 0, … . , ≥ 0 (I)
( ,…, ) ≤
Formuladas brevemente, las condiciones necesarias de solución de (I) son que, para cada
= 1, … , :
( ) ( ) ( ) ( )
+∑ ≤ 0, +∑ =0 >0 (II)
≤ 0, =0 ( )< ( = 1, … , ) (III)
Nota: supongamos que es admisible y satisface las condiciones (II), y las de holgura
complementaria, (III).
Entonces se demuestra que si la función lagrangiana ( ) es cóncava, resuelve el

problema de maximización.
Ejemplo
Resolver el siguiente problema:
2 1 1 x≤5
max (x, y) = x − x + y , sujeta a −x + y ≤ 1
14
3 2 12 x ≥ 0, y ≥ 0
Página

lOMoARcPSD|2640033

Solución
La función lagrangiana asociada es:
2 1 1
( )= x− x + y+ ( − 5) + (− + − 1)
3 2 12
Las condiciones necesarias para que ( ∗ , ∗)

resuelva el problema son que existan números
y tales que:
´ ∗ ´ ∗
= − + − ≤0 =0 >0 (i)
´ ´ ∗
= + ≤ 0, =0 > 0 (ii)
∗
≤ 0, =0 <5 (iii)
∗ ∗
≤ 0, =0 − + <1 (iv)
∗ ∗
De la condición (ii) se sigue que < 0, lo cual implica, por (iv), que − + = 1.
∗ ∗ ∗
Como ≥ 0, lo anterior implica que = + 1 > 0, y así, que = −1/12, por (ii).
Supongamos que <0
∗ ∗
Esto implicaría, por (iii) que = 5. Pero este valor de y = −1/12 implicaría, por (i),
que > 0, lo cual es imposible.
Debe ser cierto, entonces que = 0, en cuyo caso (i) nos dice que:
∗
≥ + − = + >0
∗ ∗
De (i) se sigue entonces que − + =0 = 3/4
∗ ∗ ∗
Esto a su vez implica que: =1+ = 1 + = 7/4 = 7/4
Concluimos entonces que ( ∗ , ∗

) = (3/4, 7/4) con =0 y = −1/12, satisface todas
las condiciones.
15
Por último, se comprueba fácilmente que la función lagrangiana es cóncava, luego este
Página
candidato es la solución del problema de maximización planteado.

lOMoARcPSD|2640033

14
S UNED)
(U
Apén
ndice
Topoología del
d plano
o.
En el ccaso de lass funciones de varias variables se puede analizar
a laas distincion
nes más
relevanttes de los distintos
d tipo
os de dominnios, mediaante el uso de los siguiientes conceptos de
topología elementaal.
Punto IInterior
Un puntto (a,b) se llama
l un pu
unto interioor de un con
njunto S dell plano, si exxiste un círculo con
centro ((a,b) totalm
mente conten
nido en S.
Conjun
nto abierto
ma abierto si todos suss puntos son
Un conjjunto se llam n interioress.
Punto ffrontera
El punto (a,b) se llama
l un pu
unto de froontera de un
u conjunto
o S, si todoo círculo co
on centro
(a,b) ccontiene puuntos de S y puntos nno perteneccientes a S.
S Un puntoo frontera de S no
pertenecce necesariaamente a S.
Conjun
nto cerradoo
os frontera sse dice que S es cerrad
Si S conntiene a todoos sus punto do.
Estos coonceptos se representan

n en la siguiiente figuraa (I).
Nótese que un conjjunto que contiene alguunos de suss puntos fro

ontera pero nno a todos, como el
último dde los repreesentados, no es ni abieerto ni cerraado. Un con
njunto es ceerrado si y solo
s si su
16
complem
mento es abbierto.
Página

lOMoARcPSD|2640033

14
S UNED)
(U
En mucchos de los problemas de optimizzación, los dominios están

e definiidos por un
na o más
desiguaaldades. Loss puntos frontera perttenecen al conjunto
c alllí donde apparezcan siignos de
menor o igual.
mplo, si , y
Por ejem son parámetros
p positivos, el
e conjunto (presupuest
stario) de lo
os puntos
(x,y) quue verifican las desigualldades:
+ ≤ , ≥ , ≥ (i)
es cerraado.
Este connjunto es unn triángulo, como se mu

muestra en laa siguiente figura
f (II).
Su fronttera son loss tres lados del triángullo. Cada un

no de los trees lados corrresponde a que una
de las ddesigualdadees de (i) seaa una igualddad.
do ≤ por < y ≥ por > es abierto..

Por otraa parte, el coonjunto quee se obtiene sustituyend
En geneeral:
Si ( , )es una fuunción contíínua y es uun numero real, los tres conjuntoss:
( , ):
) ( , )≥ , ( , ): ( , ) ≤ , ( , ): ( , ) =
son cerrrados.
17
Página

lOMoARcPSD|2640033

14
S UNED)
(U
Si sustittuimos ≥ poor >, o ≤ po
or <, los coonjuntos corrrespondien
ntes son abieertos.
Conjun
nto acotadoo
ma acotado
Un conjjunto se llam o si se puedee encontrar un círculo que
q lo conteenga. Los conjuntos
de las ffiguras (I) y (II) son acotados. P njunto de toodos los ( , ) que
Por el contrrario, el con
verificaan ≥1e ≥ 0 es cerrrado pero no acotado
o
El conjuunto es cerrrado porque contiene a todos sus puntos

p fronteera
Conjun
nto Compaccto
Un conjjunto cerrado y acotad
do se llama compacto..
Topologgia en ℝ
Los connceptos toppológicos qu ucir se geneeralizan muuy fácilmentte a ℝ .
ue acabaos de introdu
Recordeemos que se define la distancia eentre dos veectores = ( ,…, ) y = ( ,…, )
como ‖ − ‖ = ( − ) + ⋯+ ( − )
Una bola con centro

-b c = ( ,…, ) y radio es el conju
unto de toddos los pun
ntos =
( ,…, ) tales quue ‖ − ‖ < .
Si sustittuimos la palabra
p njunto S quee usamos en
"círcculo" y conj n las definicciones de to
opología
e ℝ las definiciones
plana poor " -bola", y entorno N4, siguenn valiendo en d de punto interior,
i
conjuntto abierto, punto fron
ntera, conju
unto cerrad
do y conjun
nto compaccto.
18
Página
4
Un en
ntorno N dee un punto a es un conjjunto que co
ontiene una -bola conn centro a.

lOMoARcPSD|2640033

Teorema de los Valores Extremos:

Este es un teorema de existencia puro, ya que nos da condiciones suficientes para asegurar la
existencia de puntos óptimos, pero no nos dice como hallarlos. Para encontrarlos
Teorema
Si f es una función continua sobre un conjunto compacto (cerrado y acotado) S de ℝ ,

entonces existe al menos un máximo = ( , … , ) y un mínimo = ( , … , ) en S; esto
es, existen c y d en S tales que
( ) ≤ ( ) ≤ ( ) para todo x de S
19
Página

Apuntes Economia Optimizacion Con Restricciones de Desigualdad Condiciones de Kuhn Tucker Curso 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Economia Optimizacion Con Restricciones de Desigualdad Condiciones de Kuhn Tucker Curso 2

Cargado por

Copyright:

Formatos disponibles

lOMoARcPSD|2640033

Matemáticas Avanzadas para la Economía Curso 2013/2014

Optimización con restricciones de desigualdad:

Los métodos teóricos de resolución de los programas no lineales, con restricciones de

Un punto factible ( , ) satura o activa la restricción ( , ) ≤ cuando se verifique que ( , ) = . En

caso contrario ( , )< diremos que ( , ) no satura la restricción.

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avannzadas parra la Econoomía Cursso 2013/201

Regla ppara resolveer ( , ) sujeta a ( , ) ≤

Hallar ttodos los puntos

Adviérttase, que loss pasos 1 y 2 son exacctamente loss que se usaaron en el m

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

Nótese que es posible que sean =0y ( , )= a la vez en (3).

Decimos que ≤0y ( , )≤ son desigualdades complementarias en el sentido de que

Esta disposición h.c.r. es en general difícil de comprobar, por ello en la

Condición de Regularidad de un Punto

Supondremos que se verifica la denominada h.c.r, de modo que las

condiciones de Kuhn-Tucker serán condiciones necesarias, que deberá

cumplir cualquier posible óptimo del conjunto factible.

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

Las condiciones de primer orden son:

La condición de holgura complementaria es:

Hay dos posibilidades: = −1 o = 0.

Si = −1 entonces (iii) da 1 = 0, que es una contradicción. Por tanto, = 0.

condiciones (ii) a (iv).

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

La conclusión es entonces que hay tres candidatos a óptimo. Ahora bien:

(0,1) = 1 (0, −1) = −1 (0, −1/2) = −5/4 (v)

Si sustituimos dichos puntos en la función objetivo, deducimos que en el punto =0 e

Método de Resolución del Problema General

Un problema de programación no lineal general es el siguiente:

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avannzadas parra la Econoomía Cursso 2013/201

3. IImponer lass condicionees de holguura complem

Exigir que x satisfaga las

Nótese que minimiizar ( , … , ) es eqquivalente a maximizar − ( , … , ). Tamb

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avannzadas parra la Econoomía Cursso 2013/201

uhn-Tucker son esenciaalmente necesarias

Condiciones Suficcientes de Óptimo

 Si el conjuunto factiblle S es connvexo y laa función f es diferennciable y cóncava

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

La función lagrangiana es:

( , )= + ln + (10 + 5 − 350) + (0,1 + 0,2 − 8)

luego las condiciones necesarias para que ( ∗ , ∗

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

I Ambas restricciones están activas.

La solución de (v) y (vi) es ( ∗ , ∗)

La solución de este sistema es ( , ) = (− , − ), luego hemos encontrado un candidato

II La primera restricción esta activa, la segunda no.

Descargado por Dolores Martel (doloresmar4@hotmail.com)

Matemáticas Avanzadas para la Economía Curso 2013/2014

III La segunda restricción esta activa, la primera no.

IV Ambas restricciones están inactivas.

Al ser la función f estrictamente cóncava – su matriz Hessiana es definida negativa -, y la

 Estudiar primero el caso en que todas las restricciones están activas,

Lagrange, que satisfacen todas las condiciones relevantes.

Descargado por Dolores Martel (doloresmar4@hotmail.com)