Teoría de Optimización Condicionada

En la primera clase de Optimización comentamos que el problema tipo que íbamos a

aprender a resolver tiene la forma general:
Maximizar o Mininimizar F(x1,...,xn)
Sujeto a que se verifiquen las siguientes restricciones:

h1(x1,...,xn)=b1

hm(x1,...,xn)=bm
(I)
g1(x1,...,xn)≤c1

gp(x1,...,xn)≤cp

Hemos ido resolviendo en clases anteriores casos particulares, más sencillos, de este
problema. En la clase de hoy intentaremos resolverlo en su forma general. No siempre
lo conseguiremos puesto que no siempre seremos capaces, con la teoría que vamos a
dar, de encontrar todos los candidatos y, a veces, no estaremos seguros de si son
óptimos absolutos y nos tendremos que conformar con decir que son relativos.

Damos los pasos a seguir para problemas de Optimización Condicionda con n variables,
m restricciones de igualdad y p restricciones de <. Si quieres te los puedes saltar ahora y
leer primero el ejemplo, más adelante, con el que se ilustra cómo seguir estos pasos en
la práctica y una vez que entiendas el Ejemplo lee con calma todo el detalle de los
Pasos.

Pasos a seguir en Problemas de Optimización Condicionada

Paso 0: Construir la función Lagrangiana asociada al problema
Función Lagrangiana asociada al Problema:

i (hi (x1,..., xn )  bi ) − i (gi (x1,..., xn )  ci ) .

m
L(x1,...,xn) = F(x1,...,xn) −
i 1 i 1

Las constantes auxiliares 1,...,m, 1,..., p se denominan multiplicadores de

Lagrange asociados al Problema planteado y su interpretación económica también es
muy importante.

1
Paso 1: Hallar los candidatos a máximo y mínimo.
En este tipo de problemas puede haber dos tipos de candidatos a máximo y/o a mínimo:
1) Candidatos que sean puntos regulares: Los obtenemos de entre los que
verifican las Condiciones de Kuhn-Tucker que recoge el siguiente
Teorema
Teorema 3.- (Condiciones necesarias de primer orden para puntos regulares.
Condiciones de Kuhn-Tucker.)
“Si (a1,...an)  IRn es un punto regular” y es un máximo (mínimo
respectivamente) local del problema (I)  1 ,...,m , 1 ,..., p IR únicos
tales que:
i) (a1,...an) es punto crítico de la función de Lagrange.
ii) hi(a1,...,an)=bi para todo i=1,2,…,m, y gj(a1,...,an)≤cj para todo j=1,2,…,p.
iii) μj∙(gj(a1,...,an)-cj)=0 para todo j=1,2,…,p.
iv) μj≥0 si máximo, (μj≤0, si mínimo) para todo j=1,2,…,p.

2) Candidatos no regulares (este tipo de candidatos no los vamos a aprender a

hallar en este curso)

Paso 2: Clasificación de los candidatos

Una forma
Teorema 4. Dado un punto regular (a1,...an) cuyos multiplicadores únicos asociados
son 1 ,...,m , 1 ,...,  p obtenidos en el paso anterior es:
a) Si (a1,...an) es máximo local (global) de L(x1,...xn), con los valores de los
multiplicadores asociados a (a1,...an) sustituidos en L  (a1,...an) es un
máximo local (global) del Problema Inicial (I).
b) Si (a1,...an) es mínimo local (global) de L(x1,...xn), con los valores de los
multiplicadores asociados a (a1,...an) sustituidos en L  (a1,...an) es un
mínimo local (global) de (I).
c) En otro caso, existe una "duda".

Otra forma: Por el Metodo del Hessiano Orlado

Denotamos:
A=HL(a1,...an) la matriz Hessiana de la función de Lagrange evaluada en el
punto regular de Kuhn-Tucker (a1,...an)
W la matriz cuyas filas se forman con las derivadas parciales primeras evaluadas
en (a1,...an) de hi(x1,...xn) (1≤i≤m) y gj(x1,...xn) (1≤j≤p y tal que μj≠0)
q= rango(W)

2
  0 W 
B=  T   Mnq IR , siendo 0 la matriz nula de dimensión q
 W A 
 
Teorema 5.- (Condiciones suficientes de segundo orden)
Suponiendo el punto regular (a1,...an), 1 ,...,m , 1 ,...,  p verificando i), ii), iii), iv) en
Teorema 3 regular, se tiene:
a) Si los n-q últimos menores principales de B son todos de signo positivo 
(a1,...an) es un mínimo local del Problema inicial (I).

b) Si los n-q últimos menores principales de B alternan en signo empezando por

negativo  (a1,...an) es un máximo local del Problema Inicial (I).

c) En otro caso, existe una "duda".

Nota: En el caso q=n, no tiene sentido la secuencia anterior (formada por los n-q
“últimos” menores principales de B), pero podemos afirmar que (a1,...an) es un mínimo
(máximo) local del Problema Inicial directamente si es candidato a mínimo (máximo)
local del Problema Inicial (I).

Paso 3: Decidir cuáles de los máximos y mínimos relativos que has

obtenido son óptimos absolutos.

Una forma, solo para algunos casos, puede ser utilizando el Teorema siguiente, en el
que no sin sustituir los puntos críticos en la matriz Hessiana de L, puedes saber que el
signo de la diferencial segunda de L es el mismo para cualquier x.

Teorema 6. Para (a1,...an), 1 ,...,m , 1 ,...,  p verificando i), ii), iii), iv) en Teorema 1 se
tiene que:

Si HL(x1,...xn) es Semidefinida Positiva (Semidefinida Negativa) para todo

x=(x1,...xn)IRn pero con los valores de los multiplicadores asociados a
(a1,...an) sustituidos en dicha matriz

(a1,...an) es un mínimo (máximo) global del Problema Inicial, si es un candidato a
mínimo (máximo) de Kuhn-Tucker.

Y si además HL(a1,...an) es Definida Positiva (Definida Negativa)


(a1,...an) es el único mínimo (máximo) global del Problema Inicial.

3
Nota: Podría haber puntos óptimos no regulares que no detectan las Condiciones de
Primer Orden, o que aunque detecten alguno no pueden ser estudiados con las
Condiciones de Segundo Orden dado que estas exigen regularidad en los candidatos.
También podría existir un punto que verifique las condidicones de Kuhn-Tucker como
candidato solo a mínimo (máximo), esto es con todos los multiplicadores µi no positivos
(no negativos), y si HL es Semidifenida negativa (positiva) para todo x, nos quedamos
en la DUDA por el Teorema 6 porque un candidato solo a mínimo (máximo) no puede
ser máximo (mínimo).
Recordar que los puntos de Kuhn-Tucker que tienen todos los µi=0 son tanto candidatos
a máximo como a mínimo.

Otra forma, si interesa saber cuáles son absolutos, es utilizando el Teorema de

Weirstrass que, como ya sabemos de clases pasadas, dice que, si la región factible es
cerrada y acotada y la función objetivo es continua existe al menos un máximo y un
mínimo absoluto en la región factible. En consecuencia, basta con sustituir en la función
objetivo todos los candidatos y el que haga máxima a la función será máximo absoluto y
el que la haga mínima será mínimo absoluto. Pero esta tercera forma tan fácil no
siempre la podemos aplicar, porque en todos los problemas la región factible no es
cerrada y acotada o la función objetivo no es continua, o no tenemos todos los
candidatos porque hay otros que no son puntos críticos.

Una forma de, en algunos ejemplos, poder asegurar que un óptimo relativo no es óptimo
absoluto es:
. Si sabemos que a es mínimo relativo y b es otro punto de la región factible tal
que F(b)<F(a), podemos asegurar, sin lugar a dudas, que a no es mínimo absoluto.
. Si sabemos que a es máximo relativo y b es otro punto de la región factible tal
que F(b)>F(a), podemos asegurar, sin lugar a dudas, que a no es máximo absoluto.
Ese b muchas veces lo encontramos probando (y “teniendo la suerte” de encontrarlo)
con varios puntos de la región factible.

Veamos un ejemplo en el que aplicamos “metódicamente” estos pasos.

Ejemplo: Optimizar f(x,y)=(x+2)(y+1)

S. a:
2x+5y-51=0

Nótese que, en este ejercicio, n=2 (porque solo hay 2 variables), m=1 (porque solo hay
una restricción de igualdad, p=0 porque no hay restricciones de desigualdad,

4
h1(x,y)=2x+5y (porque es el lado izquierdo de la primera restricción de igualdad, b1=51
(porque es el término independiente de la primera restricción de igualdad)

Pasos a seguir en Problemas de Optimización Condicionada

Paso 0: Construir la función Lagrangiana asociado al problema
Función Lagrangiana asociada al Problema:

i (hi (x1,..., xn )  bi ) − i (gi (x1,..., xn )  ci ) .

m
L(x1,...,xn) = F(x1,...,xn) −
i 1 i 1

En este caso L(x,y) = (x+2)(y+1) −λ(2x + 5y − 51)

Paso 1: Hallar los candidatos a máximo y mínimo.

En este tipo de problemas puede haber dos tipos de candidatos a máximo y/o a mínimo
(regulares y no regulares). Sólo nos han enseñado a buscar los candidatos regulares que
verifiquen las Condiciones de Kuhn-Tucker i), ii) iii) y iv) que recoge el Teorema 3
i) Buscamos que el candidato sea punto crítico de la función de
Lagrange, o lo que es lo mismo, que anule las derivadas parciales de
L. En este ejemplo:
Lx=0 → (y+1)-2λ=0 (1)
Ly=0→ (x+2)-5λ=0 (2)
ii) hi(a1,...,an)=bi para todo i=1,2,…,m, y gj(a1,...,an)≤cj para todo j=1,2,…,p.,
o lo que es lo mismo, que se verifiquen todas las restricciones del problema:
En este ejemplo esto se traduce en:
2x+5y=51 (3)
iii) μj∙(gj(a1,...,an)-cj)=0 para todo j=1,2,…,p.
(En este ejemplo no tenemos restricciones de desigualdad y no
ponemos nada aquí)
iv) μj≥0 si máximo, (μj≤0, si mínimo) para todo j=1,2,…,p.
(En este ejemplo no tenemos restricciones de desigualdad y no ponemos
nada aquí)

Por tanto, hemos de resolver el sistema formado por (1), (2) y (3).
Teniendo en cuanta que es un sistema lineal de 3 ecuaciones con 3
incógnitas se puede resolver por Gauss o por Cramer. Si lo estudias da
sistema compatible determinado, y su única solución es x=13, y=5, λ=3.
Esto significa que el candidato es (13,5) y que su único multiplicador
asociado es λ=3.

5
 Esto se suele escribir (13,5;3)

Paso 2: Clasificación de los candidatos

Una forma de clasificar un punto regular (a1,...an) cuyos multiplicadores únicos
asociados son 1 ,...,m , 1 ,...,  p obtenidos en el paso anterior es por el Teorema 4:

Construimos el Hessiano para ver de qué tipo es el punto para la función L

(recordar que Lx y Ly ya las tenemos calculadas en el Paso 1):

𝐿𝑥𝑥 𝐿𝑥𝑦 0 1
𝐻𝐿(𝑥, 𝑦) = ( )=( )
𝐿𝑦𝑥 𝐿𝑦𝑦 1 0
0 1
A1=0 A2= | |=-1<0
1 0
Como es Indefinida, (13,5) es un punto silla de L y por el Teorema 4
tenemos que decir que es DUDA en el Problema Inicial
Otra forma: Por el Metodo del Hessiano Orlado o Teorema 5
Denotamos:
A=HL(a1,...an) la matriz Hessiana de la función de Lagrange evaluada en el
punto regular de Kuhn-Tucker (a1,...an)
0 1
En este ejemplo: A= ( )
1 0

W la matriz cuyas filas se forman con las derivadas parciales primeras evaluadas
en (a1,...an) de hi(x1,...xn) (1≤i≤m) y gj(x1,...xn) (1≤j≤p y tal que μj≠0)
En este ejemplo: W=(h1x h1y)=(2 5)
q= rango(W)
En este ejemplo: q=1
 0 W 
B=  T   Mnq IR
 W A 
 
0 2 5
En este ejemplo: B=(−2 0 1)
−5 1 0
Para aplicar el Teorema 5, hemos de calcular los n-q últimos menores principales de B.
En este ejemplo, n-q=2-1=1. Por tanto, solo tenemos que calcular uno, el último, esto
es, |B|=-2<0.
Por el Teorema 5 apartado b), el punto (13,5) es un máximo local del Problema inicial.

6
Paso 3: Decidir cuáles de los máximos y mínimos relativos que has
obtenido son óptimos absolutos.
Por el Teorema 6 nos quedamos en duda sobre si (13,5) es máximo absoluto, porque
HL(x,y) no ha dado Semidefinda negativa para cualquier (x,y)
No podemos aplicar el Teorema de Weirstrass porque la región factible no es acotada.
La región factible si la dibujamos es una recta en el plano y. por tanto, no acotada.

Resaltar algunas cosas que he ido comentando en clase en los ejercicios prácticos:

1. Como la teoría que hemos dado es solo con restricciones de = o de ≤, la forma de

convertir cualquier restricción de ≥ en una de ≤ equivalente es multiplicando toda ella
por -1.

2. Si en un problema tuviéramos dos restricciones de ≤ y un punto con, por ejemplo,

μ1>0 y μ2<0 diríamos que no verifica las condiciones de K-T y que, por tanto, no es
candidato a máximo ni a mínimo.

3. Una vez que se han escrito todas las condiciones de K-T, como no tenemos un
sistema lineal una recomendación, que ayuda para empezar a resolverlo con orden, es
hacer casos con los posible valores nulos o no de las μs. Si solo hay una μ, los casos son:
Caso I: μ=0
Caso II: μ≠0

En cada caso hay que buscar los puntos de K-T que verifiquen todas las condiciones de
K-T, por tanto, numeramos las condiciones de K-T y vamos anotando por cual hemos
pasado para que no descuidemos ninguna.

Pero, por ejemplo, si en otro ejercicio tuviéramos dos restricciones de ≤ y, por tanto, μ1
y μ2, los posibles casos para empezar a resolver las condiciones de K-T serían:
Caso I: μ1=μ2=0
Caso II: μ1=0 y μ2≠0
Caso III: μ1≠0 y μ2=0
Caso IV: μ1 ≠0 y μ2≠0

Recuerda que el manual recomendado para este módulo es:

“Análisis de Funciones en Economía y Empresa. Un Enfoque Interdisciplinar”
Javier Barrios et al. (2005). Ed. Díaz de Santos, o sus ediciones posteriores revisadas.