OPTIMIZACIÓN RESTRICTIVA

La optimización, definida por la RAE como “la acción o resultado de encontrar la

mejor forma de realizar una operación”, es una rama de las matemáticas aplicadas
que busca un elemento en el dominio de una función (normalmente llamada
función objetivo) que minimiza o lo maximiza. Este es un tema que se ha
combatido durante mucho tiempo, hace un siglo, pero recién en el siglo pasado,
cuando se descubrió y profundizó su solución. Desde la vista matemática,
optimizar significa escoger el mejor elemento que pertenece a un conjunto. Por lo
tanto, se trata de encontrar la solución más conveniente.
La optimización lineal es una técnica aplicada de resolución de problemas en la
que la función objetivo y las restricciones se representan como funciones lineales
de las variables de decisión. Las ecuaciones con restricciones pueden tener la forma
de igualdad o desigualdad.

Importancia de la Optimización de Funciones

Optimizar una función consiste en encontrar sus valores máximos y/o mínimos, es
decir, encontrar tales valores en el dominio de la función que tengan un máximo
y/o un mínimo en los dominios de definición común. El proceso de optimización
es parte de una de las aplicaciones más importantes de las derivadas. Y ¿Por qué es
importante la optimización de funciones? Es importante utilizar la optimización de
funciones en muchos ámbitos de la vida cotidiana, en la informática, en la
administración de una empresa, en la estadística, la física y sobre todo, en la
Economía, un buen ejemplo es la maximización de utilidades de la firma, similar a
la mencionada se puede utilizar para minimizar el costo de producción, así como
encontrar el equilibrio en esta situación.
Problema de Optimización con Restricción

Sea una función f ( x , y , z ) que deseamos optimizar (maximizar o minimizar) y una

restricción g ( x , y , z ) =c , donde c es una constante y representa la restricción que se
debe cumplir. El problema de optimización se puede expresar como:

Maximizar f ( x , y , z )

Sujeto a g ( x , y , z ) =c

O también:
Minimizar f ( x , y , z )

Sujeto a g ( x , y , z ) =c
Método de los Multiplicadores de LaGrange
El método de los multiplicadores de LaGrange es una técnica comúnmente
utilizada para resolver problemas de optimización con restricciones. Consiste en
construir una función auxiliar llamada “función Lagrangiana”, que incorpora la
función objetivo y la restricción mediante un parámetro llamado “multiplicador de
LaGrange” (representado por λ).
La función Lagrangiana se define como:
L ( x , y , z , λ )=f ( x , y , z )−λ(g ( x , y , z )−c)
Luego, se encuentran los puntos críticos de L tomando las derivadas parciales con
respecto a x, y, z y λ, y se igualan a cero:
∂L
=0
∂x
∂L
=0
∂y
∂L
=0
∂z
∂L
=0
∂λ

Pasos para Resolver un Problema de Optimización con Restricción

1. Plantear la función objetivo f ( x , y , z )y la restricción g ( x , y , z ) =c .

2. Construir la función Lagrangiana L ( x , y , z , λ )

3. Tomar las derivadas parciales de L con respecto a x, y, z y λ e igualar a cero.
4. Resolver el sistema de ecuaciones para encontrar los puntos críticos.
5. Verificar que los puntos obtenidos sean máximos o mínimos utilizando la
matriz Hessiana o evaluando la función objetivo en esos puntos.

6. Comprobar que los puntos críticos cumplan con la restricción g ( x , y , z ) =c

7. Comparar los valores de la función objetivo en los puntos críticos válidos y

determinar cuál es el máximo o mínimo.
Hessiano Orlado

Para un función de tres variables, sea z=f (x 1 , x 2 ,... , x n) sujeto a gi (x 1 , x 2 , ... , x n )=c
la matriz hessiano orlado se define como:

[ ]
∂g ∂g
0
∂x ∂y
∂g ∂2 f ∂2 f
H= 2
∂x ∂x ∂ x∂ y
2 2
∂g ∂ f ∂ f
2
∂x ∂x∂y ∂y

se tiene:
a) Si los n-q últimos menores principales de H son todos de signo negativo,
entonces es un mínimo local.
b) Si H 2 >0 y H 3 <0 , entonces se tiene un máximo local.
c) En otro caso, no se puede concluir nada.

EJERCICIO 1:
Una empresa fabrica un producto y desea maximizar su producción diaria. La
cantidad de productos que pueden fabricar en un día depende de tres factores:
capital invertido (C), cantidad de trabajo utilizado (L) y nivel de tecnología
empleado (T). La función de producción se puede modelar como:
0.1 0.4 0.5
P ( C , L ,T )=C L T
Sin embargo, la empresa enfrenta una restricción presupuestaria que limita la
cantidad total de insumos que pueden usar por día. La restricción se define como:
3 C+ 2 L+2 T ≤ 900
Solución
Para resolver este problema de optimización, utilizamos el método de los
multiplicadores de LaGrange. Formulamos la función Lagrangiana como:

0.1 0.4 0.5

f (C , L ,T , λ)=C L T − λ(3 C+ 2 L+2 T −900),
donde λ es el multiplicador de LaGrange asociado a la restricción de recursos.
Encontramos las derivadas parciales e igualamos a cero para hallar los puntos
críticos. La función Lagrangiana tiene las siguientes derivadas parciales:

∂f −0.9 0.4 0.5

=0.1 C · L · T −3 λ,
∂C
∂f 0.1 −0.6 0.5
=0.4 C · L ·T −2 λ ,
∂L
∂f 0.1 0.4 −0.5
=0.5 C · L · T −2 λ .
∂T
Igualamos cada derivada parcial a cero para obtener los puntos críticos:
−0.9 0.4 0.5
0.1 C · L · T =3 λ(1)
0.1 −0.6 0.5
0.4 C · L · T =2 λ( 2)
0.1 0.4 −0.5
0.5 C · L ·T =2 λ(3)
También tenemos las restricciones:
3 C+ 2 L+2 T =900(4)
De las ecuaciones (2) y (3) se tiene:

0.1 −0.6 0.5 0.1 0.4 −0.5

0.4 C · L · T =0.5 C · L · T
T =1.25 L
Análogamente se tiene de las ecuaciones (1) y (2):

2. [ 0.1C −0.9 · L0.4 ·T 0.5 ]=3 [ 0.4 C0.1 · L−0.6 ·T 0.5 ]

−0.9 0.4 0.5 0.1 −0.6 0.5
0.2 C · L · T =1.2C · L ·T
L=6 C
Luego:
T =1.25(6 C )=7.5 C
Reemplazando en la ecuación (4) y resolviendo para todas las variables:
3 C+ 2 L+2 T =900
3 C+ 2(6 C)+2(7.5 C)=900
 C=30
L=6 C
L=6 (30)=180
T =7.5(30)=225

Estos valores representan la combinación optima de producción que maximiza la

cantidad total de bienes producidos, considerando las restricciones de recursos y
de inversión de capital.
Matriz Hessiana
La matriz Hessiana de una función f ( x , y , z ), es una matriz cuadrada simétrica que
contiene las segundas derivadas parciales de f con respecto a las variables x, y y z.
En este caso, nuestra función es f ( C , L , T )=C 0.1 L0.4 T 0.5, por lo que tenemos que
calcular las segundas derivadas parciales:
2
∂ f −1.9 0.4 0.5
2
=−0.9 × 0.1C L T
∂C
2
∂ f 0.1 −0.6 0.5
2
=−0.6× 0.4 C L T
∂L
2
∂ f 0.1 0.4 −1.5
2
=−0.5 × 0.5C L T
∂T
2
∂ f −0.9 −0.6 0.5
=0.4 ×0.1 C L T
∂C∂ L
2
∂ f −0.9 0.4 −0.5
=0.5 × 0.1C L T
∂C∂T
2
∂ f 0.1 −0.6 −0.5
=0.5 ×0.4 C L T
∂ L∂ T
La matriz Hessiana H se define como:

[ ]
2 2 2
∂ f ∂ f ∂ f
2
∂C ∂C ∂ L ∂ C ∂T
2 2 2
∂ f ∂ f ∂ f
H= 2
∂C∂ L ∂L ∂ L ∂T
∂2 f ∂2 f ∂2 f
2
∂C ∂T ∂ L ∂T ∂T
Calculo de la matriz Hessiana orlado en el punto critico
En el punto criticó que hemos encontrado C = 30, L = 180, T = 225, podemos
calcular las segundas derivadas parciales y las cruzadas, y evaluarlas en este
punto. Luego se construye la matriz Hessiana orlada y se evalúa en el punto
crítico:
H=¿

Para comprobar que existe el máximo tenemos que : ¿ H 3∨¿−10.85<0 , y

¿ H 2∨¿ 2271.15> 0 lo cual garantiza la existencia de un máximo en la función de
producción.
Por lo tanto, La combinación optima de capital, cantidad de trabajo y tecnología
que maximiza la producción diaria de la empresa es C = 30, L = 180 y T = 450, lo
que resulta en una producción máxima de aproximadamente 168 unidades del
producto. Esta solución cumple con la restricción presupuestaria establecida. Cabe
resaltar que la gráfica de la función P (C, L, T) no se puede visualizar, toda vez que
pertenece a R4
.
EJERCICIO 2:

La función de utilidad de un consumidor está definido como U ( x , y)=5 x 0.4 y 0.6 ,

donde x y y son cantidades de bienes distintos y normales, en tanto que el precio
de cada uno de ellos es P x = 5 y P y = 10, y la capacidad máxima de gasto de dicho
consumidor es de 100 unidades monetarias. Con los datos señalados, se pide
encontrar la canasta de consumo que maximicé la utilidad del consumidor dada su
restricción presupuestal.
Solución
Primero planteamos la ecuación de restricción la cual estaría definida por:
5 x+ 10 y=100
Luego, para encontrar el óptimo de la función U ( x , y)=5 x 0.4 y 0.6 con la restricción
señalada, utilizamos el método de multiplicadores de LaGrange. El Lagrangiano se
define como:

L(x , y , λ)=U (x , y )−λg (x , y , z )

Entonces, el Lagrangiano para este problema es:
0.4 0.6
L( x , y , λ)=5 x y −λ(5 x +10 y−100)
Ahora, necesitamos calcular las derivadas parciales de L con respecto a x, y, z y λ,
y luego resolver el sistema de ecuaciones resultante para encontrar el ´optimo. Las
derivadas parciales son:
∂L −0.6 0.6
=5 ( 0.4 ) x y −5 λ
∂x
∂L 0.4 −0.4
=5 ( 0.6 ) x y −10 λ
∂y
∂L
=5 x−10 y −100
∂λ
Igualamos las derivadas parciales a cero quedando de la siguiente manera:
−0.6 0.6
2x y =5 λ (1)
0.4 −0.4
3x y =10 λ(2)
5 x−10 y=100(3)
De las dos primeras 1 y 2 ecuaciones tenemos:

3 x 0.4 y−0.4 =2 ( 2 x −0.6 y 0.6 )

4y
x=
3
Reemplazando en la ecuación de restricción:
5 x+ 10 y=100
4y
5( )+10 y=100
3
50 y
=100
3
y=6
4 4
x= y= 6=8
3 3
Por lo tanto, el óptimo de la funciónU ( x , y)=5 x 0.4 y 0.6 con la restricción
5 x+ 10 y=100 se alcanza cuando x = 8 y y = 6. En este punto, el valor óptimo de la
función es U (8; 6) = 33.66, lo cual puede verse reflejado en la gráfica anterior.

Becerra, R. L. (2002). Algoritmos culturales aplicados a optimización con

restricciones y optimización multiobjetivo. México DF: Instituto Politécinico Nacional.