Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Leccion 2
Leccion 2
(Matemáticas)
Grado en:
Adm. y Dirección de Empresas
2: Programación no lineal
1
1. Caso no sujeto a restricciones.
Este teorema recoge las condiciones necesarias o de primer orden para estos problemas. Los
puntos que anulan el gradiente de F se denominan candidatos a óptimo (o puntos críticos).
DEFINICIÓN.
Gráficamente:
2
Teorema (condición suficiente).
Ejemplo.
Solución:
2x 0
f ( x, y )
2 y 0
de donde obtenemos los puntos críticos, en este caso, (0,0).
Calculamos la hessiana:
2 0
Hf ( x, y )
0 2
Como no depende del punto, Hf(0, 0) resulta la misma matriz; como es diagonal, observamos claramente
que es definida positiva, por lo que concluimos que el punto es mínimo local. □
3
2. Caso sujeto a restricciones de igualdad. La función de Lagrange.
Interpretación de los multiplicadores de Lagrange.
Al ser las restricciones de igualdad, X resulta un conjunto no convexo (salvo que sean
lineales) de forma que, salvo ese caso, el teorema local-global no se suele cumplir en este tipo de
problemas. En cuanto al teorema de Weierstrass, tampoco se puede afirmar nada a priori.
Para resolverlo, vamos a construir una función asociada a él que denominamos función
de Lagrange, dependiente de n + m variables de la siguiente forma:
A las variables i las llamamos multiplicadores de Lagrange y se introduce una por cada
restricción.
Ejemplo.
4
Maximizar F ( x, y ) x y
sujeta a : xy 4
Solución:
L(x, y) x y - (xy - 4)
1
y
1- y 0
1 1 1
L(x, y) 1 - x 0 x 2 4
( xy 4) 0 2
x y 4
1 1
En este ejercicio hemos obtenido dos puntos críticos, (2,2, ) y (-2,-2,- ) . Obviamente, cumplen la
2 2
condición del rango.
Pasamos a aplicar las condiciones suficientes de segundo orden. Para ello, construimos la hessiana reducida:
0
H R L( x, y, )
0
1
1 0
H R L(2, 2, ) 2
2 1 0
2
Observamos que es indefinida sin restringir. Construimos la restricción a partir del gradiente de la
restricción evaluado en el punto:
y 2
g ( x, y ) g (2,2)
x 2
(h1 , h2 ) h1h2
s.a 2h1 2h2 0
5
R ( h2 ) (h2 )h2 h22
1
Resulta positiva, por lo que concluimos que el punto (2,2, ) es mínimo local. Procediendo de igual forma,
2
1
llegamos a la conclusión que el punto (-2,-2,- ) es máximo local.□
2
F xb
*t
bi
b crece f crece
Si i 0 entonces: i
bi decrece f decrece
Ejemplo.
Sea el problema:
donde:
F(x, y)= 60x + 90y - 2x2 – 3y2
es la función de producción y la restricción viene dada por los costes de la empresa. ¿Qué ocurriría si en
lugar de tener un coste igual a 68 u.m. tuviéramos uno igual a 68+1=69?
6
Solución:
Si resolvemos el problema mediante la función de Lagrange, resulta el punto (12, 11) con * 6 . Para
contestar la pregunta nos tenemos que fijar en el valor del multiplicador. Al ser positivo, podemos afirmar
que la función pasará de valer:
a tomar el valor aproximado de 1059 + 6 = 1064 unidades cuando el recurso pasa de valer 68 a 69, cuestión
que podríamos comprobar sin más que volver a resolver el problema con este nuevo dato.
Dado que en este problema no tenemos ninguna particularidad sobre las funciones, no
podemos afirmar teóricamente nada a priori con las aplicaciones del teorema de Weierstrass y
teorema local-global, por lo que habrá que estudiar las características propias de cada uno de
ellos.
Maximizar F(x)
Minimizar F(x)
7
Obsérvese que las restricciones son de “menor o igual”; si son de “mayor o igual” hemos de
cambiarlas de signo antes de empezar a trabajar con el problema.
Dado el problema:
Maximizar F(x)
sujeta a g(x) b
si verifica:
L L
I) (x*, *) = 0 II) (x*, *) 0
x
L
III) * (x*, *) = 0 IV) * 0
La segunda condición implica claramente que g(x) b, por lo que vemos que aquí pedimos
únicamente que el punto sea admisible.
Para un problema de mínimo, podemos cambiar de signo la función objetivo y aplicar las
condiciones de máximo o aplicar directamente las siguientes condiciones de punto estacionario.
Minimizar F(x)
Sujeto a g(x) b
si:
L L
I) (x*, *) = 0 II) (x*, *) 0
x
8
L
III) * (x*, *) = 0 IV) * 0
Obsérvese que la función de Lagrange se ha construido con signo “+” y que las
restricciones del problema inicial siguen siendo de “”. Las condiciones son muy parecidas al
problema de máximo, de hecho, el único cambio es que la segunda condición cambia de signo.
Teorema 1
Teorema 2
Maximizar F(x)
s. a g(x) b
Por tanto, para resolver un problema no lineal, obtendremos los puntos estacionarios,
aplicaremos el teorema 1 y por último, el teorema 2. Observamos que las soluciones obtenidas
por este método son globales.
Ejemplo.
Max 2 x y
s.a. x2 y2 4
x y 1
Solución:
En la gráfica que aparece más abajo, se ha coloreado de verde la zona que corresponde al conjunto de
oportunidades. Dicho conjunto es cerrado, puesto que las desigualdades contienen la igualdad, y es acotado
puesto que se encuentra dentro del círculo de radio uno. La función objetivo es lineal y, por tanto, continua.
Sus curvas de nivel son rectas, cuyo crecimiento es hacia arriba y a la derecha. En la gráfica, aparece
coloreada de rojo la última recta que toca al conjunto de oportunidades, que se puede observar lo hace sobre
un punto que está en la frontera de la primera restricción (el círculo centrado en el origen y de radio 2). Por
9
todo ello, podemos decir que se verifica el teorema de Weierstrass y tenemos asegurada la existencia de
solución global. Por otra parte, el conjunto factible es convexo, puesto que dados dos puntos cualesquiera
de él, el segmento que los une está contenido en el conjunto. Además, la función objetivo, al ser lineal, es
tanto cóncava como convexa. En consecuencia, también se verifica el teorema Local-Global para mínimo y
para máximo.
Para determinar el punto donde, de acuerdo con la gráfica, se alcanza el máximo, hemos de construir
la función de Lagrange y aplicar las condiciones necesarias de punto estacionario, pero hemos de tener en
cuenta que la segunda restricción, antes de incluirla en la función de Lagrange, tenemos que multiplicarla
por -1, (- x – y ≤ -1) para convertirla en una restricción del tipo ≤.
L( x, y, 1 , 2 ) 2 x y 1 ( x 2 y 2 4) 2 ( x y 1)
L( x, y, 1 , 2 )
2 2 x1 2 0 (a)
x
L( x, y, )
1 2 y1 2 0 (b)
y
L( x, y, )
1
x2 y 2 4 0 (c )
L( x, y, )
x y 1 0 (d )
2
10
L( x, y, ) 0
1
1
1 x 2 y 2 4 0 2 1 2
x y 4
L( x, y, ) 0
2 2 x y 1 0 2
2 x y 1
1 0, 2 0
x + y= 1
2=0
x+y=1
Sustituyendo estas ecuaciones en las anteriores (a) y (b) y despejando 1 de ambas, obtenemos:
1
2 2 x1 0 1
x
x 2y
1
1 2 y1 0 1
2 y
2 y 2 y 2 4 5 y 2 4 y 4
y
2
5 5
2
1) Para y , si calculamos el correspondiente valor de 1:
5
1 5
1 ,
2 4
2
5
resulta un valor negativo, y como esto no puede ocurrir en un punto estacionario, no seguimos calculando
el resto de variables.
11
2
2) y , calculamos el correspondiente valor de 1 y de la variable x:
5
5 2 4
1 , x 2
4 5 5
4 2 5
, , ,0
5 5 4
Por último, como el conjunto de oportunidades es convexo y la función lineal, es decir cóncava y
convexa el punto estacionario es máximo global de nuestro problema.
12