INTRODUCCIÓN

A Clarence Zener, Director de Ciencias en Westinghouse Electric en

Pittsburgh, Pennsylvania, USA, se le acredita como el padre de la
Programación Geométrica. En 1961, publico un artículo en el Proceedings
del National Academy of Science sobre “A Mathematical Aid in Optimizing
Engineering Designs”, que es considerado como el primer artículo sobre
programación geométrica. Clarence Zener es mejor conocido en ingeniería
eléctrica por el diodo Zener. Que más tarde se asoció con Richard J. Du ffin y
Elmor L. Peterson del Carnegie Institute of Technology (ahora Carnegie-
Mellon University, USA) para escribir el primer libro sobre programación
geométrica, llamado “Geometric Programming” en 1967.

La programación geométrica es una de las más recientes técnicas de

optimización matemática, que se maneja o se desarrolla mediante funciones
y restricciones no lineales.

La programación cuadrática es el nombre que se le da a un

procedimiento que minimiza una función cuadrática de n variables sujeta a m
restricciones lineales de igualdad o desigualdad. Un programa cuadrático es
la forma más simple de problema no lineal con restricciones de desigualdad.

En los problemas de optimización, el método de los multiplicadores de

Lagrange, llamados así en honor a Joseph Louis Lagrange, es un
procedimiento para encontrar los máximos y mínimos de funciones de
múltiples variables sujetas a restricciones.
 2

La Programación Cuadrática

La programación cuadrática es un método especial en la matemática

de optimización de problemas. Es el problema de optimizar (reduciendo al
mínimo o maximizando) una función cuadrática de varias variables conforme
a apremios lineales en estas variables.
 
La programación cuadrática trabaja con una clase especial de
problemas en el que una función cuadrática de variables de decisión sujeta a
restricciones lineales de desigualdad requiere ser optimizada

Existen diferentes tipos de problemas de programación cuadrática, los cuales

se pueden clasificar en:

1) Problemas cuadráticos de minimización sin restricciones, requieren

minimizar la función cuadrática f(x) sobre el espacio completo.

2) Problemas cuadráticos de minimización sujetos a restricciones de

igualdad, requieren minimizar la función objetivo f(x) sujeta a restricciones
lineales de igualdad Ax = b.

3) Problemas cuadráticos de minimización sujetos a restricciones lineales de

desigualdad. Requieren minimizar la función objetivo f(x) sujeta a
restricciones lineales de desigualdad Ax = b, también puede contener
restricciones de igualdad.

4) Problemas de optimización de redes cuadráticas. Son problemas

cuadráticos en los que las restricciones son restricciones de baja
conservación sobre una red pura o generalizada.
 3

5) Problemas cuadráticos convexos. Son cuales quiera de los mencionados

arriba, en el cual la función objetivo a ser minimizada, f(x) es convexa.

6) Problemas cuadráticos no convexos. Son cualquiera de los mencionados

arriba, en el cual la función objetivo a ser minimizada, f(x) es no convexa.

7) Problemas de complementariedad lineal. Son problemas especiales con

un sistema de ecuaciones en variables no negativas, en el cual las variables
están formadas en varios pares llamados pares complementarios.

Programación Geométrica

La programación geométrica, es un método de programación usado

en la descripción de problemas de optimización de desigualdades de
carácter aritmético-geométrico, y tiene que ver con problemas en los que las
funciones objetivos y de restricción son del siguiente tipo:

           N

Z=f(x)=∑Uj

           j=1

                      n

en donde  Uj=cjПxiaij      j=1,2,…,N

                     i=1

Se supone  que  toda cj>0 y que N es finita. Los exponentes aij tienen
signo no restringido. La función f(x) toma la forma de un polinomio, excepto
que los exponentes aij pueden ser negativos. Por esta razón, y como toda
cj>0, f(x) se llama polinomio.
 4

Las características de la programación geométrica son:

1) La programación geométrica fue diseñada por Duffin, Peterson

Zener.

2) Es uno de los varios métodos para resolver problemas de

programación no lineal.

3) Son problemas de diseño de la ingeniería.

Los programas geométricos no son por regla general problemas de

optimización convexa, pero pueden transformarse en ellos mediante un
cambio de variables y una transformación de las funciones objetivo y de
restricción, es decir, existe un caso importante en el que el problema se
puede transformar en un problema de programación convexa equivalente.
Este caso es aquel en el que todos los coeficientes c en cada función son
estrictamente positivos, es decir, las funciones son polinomios positivos
generalizados (ahora llamados posinomiales), y la función objetivo se tiene
que minimizar. El problema equivalente de programación convexa con
variables de decisión yx, y2,…, yn se obtiene entonces al establecer:

XJ= eyj , para j = 1, 2, …, n

 5

Problema:

Una fábrica de aviones desea encontrar las dimensiones de una caja sin tapa
con un área de superficie fija como pieza de ensamblaje para la construcción
de los mismos.

X3

(X1, X2, X3)

X2

X1

Volumen = V = X1, X2, X3

Área de Superficie = So = X1, X2, + 2 X1 X3 + 2 X2 X3
Maximizar V (X1, X2, X3) = X1 X2 X3
Sujeto a X1 X2 + 2 X1 X3 + 2 X2 X3 = So
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0
So = X1 X2 + 2 X1 X3 + 2 X2 X3 = 3 ((X1 X2 + 2 X1 X3 + 2 X2 X3) / 3)
So = 3 ((X1X2 + 2 X1 X3 + 2 X2 X3) / 3) ≥ 3 ((X1X2)1/3 (2 X1 X3)1/3 (2 X2 X3)1/3)
= 3. 41/3 ((X1)2 (X2)2 (X3)2)1/3 = 3. 41/3 V2/3
Notemos que el valor de V está acotado y que esta cota máxima es
alcanzada cuando hay igualdad en la desigualdad.
X1 * = X1, X2 * = X2, X3 * = X3
X1 *, X2 * = 2 X1 * X3 * =2 X2* X3* = So / 3
 6

X1 *= X2 * √So/3, X3 * = ½ √So/3
Resultado:
Vo = X1 * X2 * X3 * = So 3/2 / 2.33/2

Programación Lagrange

En los problemas de optimización, el método de los multiplicadores de

Lagrange, llamados así en honor a Joseph Louis Lagrange, es un
procedimiento para encontrar los máximos y mínimos de funciones de
múltiples variables sujetas a restricciones. Este método reduce el problema
restringido con n variables a uno sin restricciones de n + k variables, donde k
es igual al número de restricciones, y cuyas ecuaciones pueden ser resueltas
más fácilmente. Estas nuevas variables escalares desconocidas, una para
cada restricción, son llamadas multiplicadores de Lagrange. El método dice
que los puntos donde la función tiene un extremo condicionado con k
restricciones, están entre los puntos estacionarios de una nueva función sin
restricciones construida como una combinación lineal de la función y las
funciones implicadas en las restricciones, cuyos coeficientes son los
multiplicadores.

La demostración usa derivadas parciales y la regla de la cadena para

funciones de varias variables. Se trata de extraer una función implícita de las
restricciones, y encontrar las condiciones para que las derivadas parciales
con respecto a las variables independientes de la función sean iguales a
cero.

El método consiste en convertir el problema con restricciones de

igualdad en uno de óptimos libres, gracias a la incorporación de las
restricciones a la función objetivo. Distinguimos dos casos:
 7

1) Caso de una única restricción

2) Caso de más de una restricción

En ambos casos, se construye una función, llamada función de

Lagrange, y se determina qué puntos cumplen la condición necesaria para
ser óptimos del problema y, posteriormente, se estudia si son máximos o
mínimos analizando el cumplimiento de la condición suficiente.

Problema:

Una compañía de fabricación de aviones desea minimizar sus gastos,

tomando en consideración que sus gastos están dados por x+y = 3 y x 2+y2,
¿cómo puede la compañía minimizar sus gastos?

L (x,y ; λ ) = x2+ y2 + λ (3-x-y)

Condición necesaria:

∇ Lx (x,y ; λ ) = (2x- λ, 2y – λ) = (0,0)

∂L/ ∂ λ (x, y λ) = 3-x-y = 0

La condición ∂L/ ∂ λ = 0 equivale a que se satisfaga la restricción

2x – λ = 0

2y – λ = 0

X+y=3

X= 3/2 , y = 3/2 , λ= 3

Hx L(x, y, λ) = 2 0

0 2
 8

Resultado:

3/2, 2/2
 9

CONCLUSIÓN

La denominación de programación es usada en la descripción de

problemas de optimización, y el término geométrica se emplea al significado
aritmético y geométrico de las desigualdades que lo conforman. Por lo cual el
método de programación geométrico se caracteriza por resolver problemas
de programación no lineal de diseño de la ingeniería y por lo general no son
cóncavas ni convexas

Las funciones cuadráticas fueron prominentes porque proveían

modelos locales simples para funciones no lineales generales. Una función
cuadrática, es la función no lineal más simple, y cuando es usada como una
aproximación para una función no lineal general, esta puede capturar la
información importante de la curvatura, lo que una aproximación lineal no
puede.

Un programa cuadrático es la forma más simple de problema no lineal

con restricciones de desigualdad. La importancia de la programación
cuadrática es debida a que un gran número de problemas aparecen de forma
natural como cuadráticos pero además es importante porque aparece como
un sub-problema frecuentemente para resolver problemas no lineales más
complicados.

El método de multiplicadores de Lacrange, consiste en hallar los

máximos y mínimos de funciones de varias variables sujetas a restricciones,
variables escalares desconocidas, una para cada restricción, son las
llamadas multiplicadores de Lagrange
 10

BIBLIOGRAFÍA

https://es.wikipedia.org/wiki/Programaci%C3%B3n_geom%C3%A9trica
https://es.slideshare.net/mobile/miguelnaupay/practicas-prepg
https://invop2iupsm.wordpress.com/2014/07/03/programacion-geometrica/
https://www.calameo.com/books/00152015954ab60213bc8
https://programacionnolinealpsm.wordpress.com/category/programacion-
geometrica/
https://prezi.com/zpjjgtqgyenw/programacion-geometrica/
http://www.ub.edu/matheopt/optimizacion-economica/optimizacion-con-
restricciones-de-igualdad#T_7_3_5_htm
https://www.mathstools.com/section/main/Multiplicadores_de_Lagrange?
lang=es#.XxHjP9JKhdh
https://www.gestiondeoperaciones.net/programacion-no-lineal/metodo-de-
lagrange-aplicado-a-un-problema-de-programacion-no-lineal/
https://es.wikipedia.org/wiki/Multiplicadores_de_Lagrange
https://psmmetodosdeoptimi.wixsite.com/optimizacion/programacion-
cuadratica