Optimización Libre

Melisa Abalos

MCR - UCN

04 de abril de 2011

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 1 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 2 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 3 / 27

Máximos y mı́nimos relativos y absolutos

Figure: Máximos y mı́nimos

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 4 / 27
Máximos y mı́nimos relativos y absolutos

Si existen varios máximos relativos solo es necesario seleccionar el

mayor y compararlo con los valores de aquellos que se encuentran en
las orillas, ası́ de esta manera determinar el máximo absoluto. Se
procede análogamente para hallar el mı́nimo absoluto.
Se puede distinguir también la existencia de óptimos no restringidos:
Estrictamente hablando, los llamados óptimos no restringidos se trata
de óptimos que son interiores (Sundaram, 1996).
No debemos confundir con la ausencia de restricciones, a lo que se
refiere es que los óptimos no están en la frontera.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 5 / 27

Máximos y mı́nimos no restringido

Sea X un conjunto de vectores x factibles, entonces Ẋ será el interior de

X.
Definición: Máximo (Mı́nimo) no restringido
Un punto x∗M (x∗M ) ∈ X donde f : X ⊂ Rn → R alcanza un máximo
(mı́nimo) es llamado máximo (mı́nimo) no restringido si x∗M (x∗M ) ∈ Ẋ.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 6 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 7 / 27

Puntos crı́ticos

Un punto crı́tico x∗ es aquel que cumple una de las siguientes condiciónes:

1 f 0 (x∗ ) = 0
2 O bien f 0 (x∗ ) = 0 no exista
Los puntos que satisfacen una de las dos condiciones de la definición
anterior son candidatos para los máximos (mı́nimos) relativos.
Cualquier punto crı́tico donde f 0 (x∗ ) = 0 será un máximo relativo, mı́nimo
relativo o un punto de inflexión.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 8 / 27

Criterio de la primera derivada

El supuesto que se toma en cuenta para la existencia de un óptimo local

no restringido, es que f sea diferenciable.
Si la primera derivada de una función f (x) en x = x∗ es f 0 (x∗ ) = 0
entonces el valor de la función en x∗ , f (x∗ ), será:
Un máximo relativo si el signo de la derivada es positivo a la izquierda
inmediata del punto x∗ y es negativo a su derecha inmediata.
Un mı́nimo relativo si el signo de la derivada es negativo a la
izquierda inmediata de x∗ y a su derecha inmediata es positivo.
Ni un máximo relativo ni un mı́nimo relativo si la primera derivada
tiene el mismo signo en la izquierda inmediata y la derecha inmediata
del punto x∗

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 9 / 27

Vector Gradiente

El gradiente se define como el campo vectorial cuyas funciones

coordenadas son las derivadas parciales del campo escalar, esto es:
 
∂f (x) ∂f (x) ∂f (x)
∇f (x) = , , ...,
∂x1 ∂x2 ∂xn

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 10 / 27

Condiciones necesarias de primer orden
Podemos mencionar las llamadas condiciones de primer orden, las cuales
son condiciones necesarias para la existencia de un óptimo no restringido
local.
Teorema(Condiciones necesarias de primer orden máximo no
restringido local)
Suponga que x∗M ∈ Ẋ ⊂ Rn es un máximo local de f en X, es decir,
∃  0 tal que f (x∗M ) ≥ f (x)∀x ∈ X N (x∗M ). Suponga también que f
T

es diferenciable en x∗M . Luego, ∂f ∗

∂x (xM ) = 0nx1 .

El teorema se puede utilizar también para un mı́nimo local.

Es menester mencionar que ∂f ∂x (x) es el vector gradiente de f (vector
columna de derivadas parciales).
Estas condiciones no detectan extremos relativos cuando la derivada no
está definida en ese punto.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 11 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 12 / 27

Seguna derivada y su utilidad
2
Denotaremos a la segunda derivada como f 00 (x) o también d dx
f (x)
2 .
Interpretación de la segunda derivada
Es una razón de cambio de la primera derivada; en otras palabras, la
segunda derivada mide la razón de cambio de la razón de cambio de la
función original f .
Comparando la primera y la segunda derivada

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 13 / 27

Criterio de la segunda derivada

Si el valor de la primera derivada de una función f en x = x∗ es

f 0 (x∗ ) = 0 entonces el valor de la función en x∗ , f (x∗ ), será:
Un máximo relativo si el valor de la segunda derivada en x∗ es
f 00 (x∗ ) ≺ 0.
Un mı́nimo relativo si el valor de la segunda derivada en x∗ es
f 00 (x∗ )  0.
Se usa en general este criterio debido a que no requiere comprobar el signo
de la derivada a la izquierda y a la derecha de x∗ .

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 14 / 27

Matriz Hessiana
La matriz Hessiana es una matriz que contiene derivadas parciales de
segundo orden.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 15 / 27

Condiciones de Segundo Orden para óptimo local

Teorema: Condiciones de Segundo Orden para óptimo local no

restringido
Suponga que f es una función C 2 en X ⊂ Rn y x ∈ Ẋ (punto interior de
X).
∂2f
1 Si f tiene un máximo local en x, entonces ∂x2 (x)
es semidefinida
negativa.
∂2f
2 Si f tiene un minimo local en x, entonces ∂x2 (x)
es semidefinida
positiva.
∂f 2
3 Si ∂x(x) = 0nx1 y ∂x∂2 (x)
f
es definida negativa en algún punto x,
entonces x es un máximo local estricto de f en X.
∂f 2
4 Si ∂x(x) = 0nx1 y ∂x∂2 (x)
f
es definida positiva en algún punto x,
entonces x es un minimo local estricto de f en X.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 16 / 27

Condiciones de Segundo Orden para óptimo local

Una función f es C 2 si es: continua, diferenciable y sus derivadas

(parciales) son continuas y diferenciables. (Es una función
continuamente diferenciable por lo menos poder obtener sus segundas
derivadas)
La clasificación de la matriz hessiana No tiene nada que ver con los
signos de sus elementos, sino al signo de una forma cuadrática
relacionada.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 17 / 27

Condiciones de Segundo Orden para óptimo local

Los puntos 1 y 2 del teorema de Condiciones de segundo orden: son

condiciones necesarias basadas en la matriz hessiana, exigen
semidefinición.
Los puntos 3 y 4 del teorema de Condiciones de segundo orden son
condiciones suficientes basadas en la matriz hessiana, exigen
definición.
Las condiciones de primer y segundo orden nos permiten encontrar
óptimos estrictos locales (no globales) que se pueden detectar siempre
y cuando sean interiores.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 18 / 27

Caracterización según valores propios (eigenvalues)

Sea una forma cuadrática xT Ax y λi , i = 1, ..., nlos eigenvalores de A.

Luego:
1 xT Ax es definida positiva ⇐⇒ λi  0 ∀i
2 xT Ax es semidefinida positiva ⇐⇒ λi ≥ 0 ∀i
3 xT Ax es definida negativa ⇐⇒ λi ≺ 0 ∀i
4 xT Ax es semidefinida negativa ⇐⇒ λi ≤ 0 ∀i
5 xT Ax es indefinida, ⇐⇒ ∃λi , λj : i y λi  0 y λj ≺ 0

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 19 / 27

Caracterización según menores principales

Sea una forma cuadrática xT Ax, A una matriz simétrica y Di sus menores
principales. Luego:
1 xT Ax es definida positiva ⇐⇒ Di  0 ∀i
2 xT Ax es semidefinida positiva ⇐⇒ Di  0, i = 1, ..., (n − 1) y
Dn = |A| = 0.
3 xT Ax es definida negativa ⇐⇒ (−1)i Di  0 ∀i
4 xT Ax es semidefinida negativa ⇐⇒ (−1)i Di  0, i = 1, ..., (n − 1) y
Dn = |A| = 0.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 20 / 27

Punto de silla

Un punto x es un punto de silla de f si satisface la condición

necesaria de primer orden, pero la matriz hessiana es indefinida.
Corresponde a un punto en el cual se percibe como un máximo si nos
acercamos por alguna dirección pero como un mı́nimo si nos
acercamos por otra dirección (no es máximo ni mı́nimo, pero en ese
punto la función no varı́a, por ello su gradiente es cero).

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 21 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 22 / 27

Ejemplo 1

Formular el programa que permite resolver el siguiente problema y resolver:

Una empresa produce dos bienes en competencia perfecta, cuyos precios
son p1 = 42 y p2 = 51. Si q1 y q2 son las cantidades producidas de dichos
bienes, y la función de costes es C(q1 , q2 ) = 1, 5q12 + 3q1 q2 + 2q22 + 34, 5
Calcular los niveles de producción que proporcionan a la empresa en
máximo beneficio.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 23 / 27

Ejemplo 2

Una empresa produce un bien en competencia perfecta. La función de

producción del bien es:

q = f (K, L) = 8K 1/4 L1/2

y su precio de venta es p = 4. Los precios de los factores capital y trabajo

son, respectivamente, r = 8 y w = 4. Calcular los niveles de capital y
trabajo, ası́ como la cantidad producida del bien, que maximizan los
beneficios de la empresa.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 24 / 27

Ejemplo 3

Sean las funciones R(Q) la función de ingreso total y C(Q) la función de

costo total que tienen la siguiente forma:

R(Q) = 1.200Q − 2Q2

C(Q) = Q3 − 61, 25Q2 + 1.528, 5Q + 2000

además, R, C y π (función beneficio) están expresados en dólares y Q está
en unidades de toneladas por semana.
Hallar y resolver la función que maximiza el Beneficio de la empresa.
Hallar el beneficio máximo

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 25 / 27

Resumen

1 Máximos y mı́nimos relativos y absolutos

2 Condiciones necesarias de primer orden

3 Condiciones de segundo orden orden para un óptimo local

4 Aplicación

5 Bibliografı́a

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 26 / 27

Bibliografı́a

Alpha C. Chiang, Kevin Wainwright Métodos fundamentales de economı́a

matemática, 4a Edición. Parte del capı́tulo 9.

Melisa Abalos (MCR - UCN) Optimización Libre 04 de abril de 2011 27 / 27