Documentos de Académico
Documentos de Profesional
Documentos de Cultura
04 Optimización Restringida
04 Optimización Restringida
Taller de matemáticas II
Christian Eduardo Lastire Olmedo
Tarea
➢ La concavidad o convexidad de las funciones es un requerimiento muy estricto para una función.
➢ Usualmente, uno de los objetivos en el trabajo teórico es identificar e imponer solo las restricciones más débiles para garantizar el resultado buscado.
➢ La cuasiconcavidad o cuasiconvexidad de las funciones es una propiedad menos retrictiva que la concavidad (convexidad), pero usualmente es suficiente
para el desarrollo del trabajo analítico.
Teorema (Cuasiconcavidad).
Sea 𝑓(𝑥) una función definida en un conjunto convexo 𝑈 en 𝑅 𝑛 . Entonces, los siguientes enunciados son equivalentes:
a) 𝑓 es una función cuasicóncava en 𝑈.
b) Para todo 𝒙, 𝒚 ∈ 𝑈 y todo 𝑡 ∈ 0,1 : 𝑓(𝒙) ≥ 𝑓(𝒚) implica que 𝑓(𝑡𝒙 + 1 − 𝑡 𝒚) ≥ 𝑓(𝒚)
c) Para todo 𝒙, 𝒚 ∈ 𝑈 y todo 𝑡 ∈ 0,1 : 𝑓(𝑡𝒙 + 1 − 𝑡 𝒚) ≥ min{𝑓 𝒙 , 𝑓 𝒚 }
Teorema (Cuasiconvexidad).
Sea 𝑓(𝑥) una función definida en un conjunto convexo 𝑈 en 𝑅 𝑛 . Entonces, los siguientes enunciados son equivalentes:
a) 𝑓 es una función cuasiconvexa en 𝑈.
b) Para todo 𝒙, 𝒚 ∈ 𝑈 y todo 𝑡 ∈ 0,1 : 𝑓(𝒙) ≥ 𝑓(𝒚) implica que 𝑓(𝑡𝒙 + 1 − 𝑡 𝒚) ≤ 𝑓(𝒙)
c) Para todo 𝒙, 𝒚 ∈ 𝑈 y todo 𝑡 ∈ 0,1 : 𝑓(𝑡𝒙 + 1 − 𝑡 𝒚) ≤ m𝑎𝑥{𝑓 𝒙 , 𝑓 𝒚 }
Algunas propiedades
Teorema: Sea 𝑓: ℝ𝑛 → ℝ. Si 𝑓 es una función cóncava entonces es cuasicóncava. Si 𝑓 es una función convexa entonces es cuasiconvexa.
Funciones cuasiconcóncavas y cuasiconvexas
2. De la definición de función cuasicóncava, se observa que alguna de las funciones debe ser mayor. Arbitrariamente se puede
elegir que 𝑓 𝐲 ≥ 𝑓(𝐱), entonces la siguiente combinación lineal se cumple:
𝑡𝑓 𝒙 + 1 − t 𝑓 𝐲 ≥ 𝑓 𝒙 … (2)
3. Finalmente, notamos que el término del lado derecho de la ecuación (1) es el mismo que el término del lado derecho de la
ecuación (2). Así, juntando ambos resultados, se tiene que:
𝑓 𝑡𝒙 + 1 − t 𝐲 ≥ 𝑓 𝒙
Definición (Matriz Hessiana Orlada). Sea 𝑓: ℝ𝑛 → ℝ una función de clase 𝐶 2 . La matriz de las primeras y segundas derivadas parciales de 𝑓
𝑑𝑓 𝑑𝑓
0 …
𝑑𝑥1 𝑑𝑥𝑛
𝑑𝑓 𝑑2𝑓 𝑑2𝑓
…
HO = 𝑑𝑥1 𝑑𝑥120 𝑑𝑥10 𝑥𝑛0
… ⋮ ⋱ ⋮
2 2
𝑑𝑓 𝑑 𝑓 𝑑 𝑓
⋯
𝑑𝑥𝑛 𝑑𝑥𝑛0 𝑥10 𝑑𝑥𝑛20
Se denomina como la matriz hessiana orlada de orden “n”. El determinante de la matriz hesiana orlada se denotará como 𝑫𝟐𝒏 𝒇(𝒙).
Funciones cuasicóncavas y cuasiconvexas
Caracterización: Conceptos previos
E2. Determine que la función Cobb-Douglas 𝑓 𝑥1 , 𝑥2 = 𝑥1𝛼 𝑥2𝛽 con 𝛼, 𝛽 > 0 y 𝑥1 , 𝑥2 > 0 es cuasicóncava.
Solución
𝛽
0 𝛼𝑥1𝛼−1 𝑥2 𝛽 2
𝑫𝟐𝟏 𝒇 𝒙 = 𝛽 𝛽
= − 𝛼𝑥1𝛼−1 𝑥2 <0 … 1
𝛼𝑥1𝛼−1 𝑥2 𝛼 𝛼−1 𝑥1𝛼−2 𝑥2
𝛽 𝛽−1
0 𝛼𝑥1𝛼−1 𝑥2 𝛽𝑥1𝛼 𝑥2
3𝛽−2
𝑫𝟐𝟐 𝒇 𝒙 = 𝛼𝑥1𝛼−1 𝑥2𝛽 𝛼(𝛼 − 1)𝑥1𝛼−2 𝑥2
𝛽
𝛼𝛽𝑥1𝛼−1 𝑥2
𝛽−1
= 𝛼𝛽 + 𝛼 2 𝛽 + 𝛼𝛽 2 𝑥13𝛼−2 𝑥2 > 0 … (2)
𝛽−1 𝛽−1 𝛽−2
𝛽𝑥1𝛼 𝑥2 𝛼𝛽𝑥1𝛼−1 𝑥2 𝛽(𝛽 − 1)𝑥1𝛼 𝑥2
𝜷
Por tanto, dado que cumple con el teorema de la diapositiva, previa se concluye que 𝒇 𝒙𝟏 , 𝒙𝟐 = 𝒙𝜶𝟏 𝒙𝟐 es cuasicóncava.
Optimización con igualdad de restricciones
Optimización con igualdad de restricciones
Introducción
Figura 1.
Optimización con igualdad de restricciones
Formas de resolverlo: Eliminación de restricciones
➢Si es posible encontrar una función continua ℎ = (ℎ1 , ℎ2 , … , ℎ𝑛 ) que permita expresar 𝑚 variables en términos de las otras 𝑛 − 𝑚 variables:
𝑥1 = ℎ1 𝑥𝑚+1 , … , 𝑥𝑛
…
𝑥𝑚 = ℎ𝑚 𝑥𝑚+1 , … , 𝑥𝑛
0
Tal que el sistema de ecuaciones es equivalente al original, 𝑔 𝑥 = 𝑏, entonces 𝑥0 = ℎ1 𝑥𝑚+1 , … , 𝑥𝑛0 resuelve el problema no restringido:
𝑜𝑝𝑡𝑓(ℎ𝑚 𝑥𝑚+1 , … , 𝑥𝑛 , 𝑥𝑚+1 , … , 𝑥𝑛 )
2. Se insertan estos valores en la expresión de 𝑓 y se observa que la función puede expresarse en términos de 𝑧 solamente:
𝐹 𝑧 = 𝑓 6 + 𝑧 2 − 𝑧, 𝑧 2 , 𝑧 = 12 + 3𝑧 2 − 3𝑧 … (3. 𝐸)
3. Obtenemos condiciones de primer orden de (3.E) para identificar el valor crítico, el cual en este caso es:
𝑧 0 = 1ൗ2 … (4E)
Optimización con igualdad de restricciones
Formas de resolverlo: Eliminación de restricciones
4. Así, sustituyendo el valor crítico de (4.E) en (2.E) se obtiene el valor mínimo del problema de optimización, que estaría dado por:
23 1 1
𝑥 0, 𝑦0, 𝑧 0 = , ,
4 4 2
Definición TL.0: Sea 𝐷 un subconjunto abierto de ℝ𝑛 . Sea 𝑓: 𝐷 ⊆ ℝ𝑛 ⟶ ℝ, 𝑔 = 𝑔1 , … , 𝑔𝑚 : 𝐷 ⟶ ℝ𝑚 , tal que 𝑓 y 𝑔 son de clase 𝐶 1 en 𝐷.
Definición TL.1: El punto 𝑥0 ∈ 𝑆 es un punto regular del problema de optimización restringido (ver ecuación 1.2 de la diapositiva 10) si el rango de la matriz de
primeras derivadas parciales evaluadas en el punto crítico 𝐷𝑔(𝑥0 ) es 𝑚.
Teorema TL.1: Si 𝑥0 ∈ 𝑆 es un punto regular y es una solución del problema de optimización restringido, entonces existe un vector único 𝜆0 = (𝜆10 , … , 𝜆0𝑚 ) ∈ ℝ𝑚
tal que (𝑥0 , 𝜆0 ) es un punto crítico de la función lagrangiana de (1.2), esto es:
∇𝑥 𝐿 𝑥0 , 𝜆0 = 0
∇𝜆 𝐿 𝑥0 , 𝜆0 = 0
𝑑𝐿
= −2𝑏𝑥2 − 𝜆 … (𝐿. 3)
𝑑𝑥2
𝑑𝐿
= 𝑥1 + 𝑥2 − 1 … (𝐿. 4)
𝑑𝜆
Optimización con igualdad de restricciones
Formas de resolverlo: Teorema de Lagrange
3. Se resuelve el sistema de tres ecuaciones (L.2-L.4) con tres incógnitas para obtener los puntos críticos. Para resolver para las tres incógnitas, notamos que
𝐿. 2 𝑦 𝐿. 3 implican que:
2𝑎𝑥1 = 2𝑏𝑥2 … 𝐿. 5
𝑏𝑥2
⟹ 𝑥1 = … (𝐿. 6)
𝑎
Sustituyendo (𝐿. 6) en (𝐿. 4) obtenemos:
𝑎
𝑥2 = … (𝐿. 7)
𝑎+𝑏
Ahora sustituimos (𝐿. 7) en (𝐿. 6):
𝑏
𝑥1 = … (𝐿. 8)
𝑎+𝑏
Finalmente, para encontrar 𝜆 se puede sustituir (L.8) en (L.2). Así, los valores de las variables de control y la restricción son:
𝑏 𝑎 −2𝑎𝑏
𝒙𝟏 = ; 𝒙𝟐 = ; 𝜆=
𝑎+𝑏 𝑎+𝑏 𝑎+𝑏