Investigacin Operativa II

Programacin No Lineal

Felipe T. Muoz Valds

Introduccin

A diferencia de la Programacin Lineal, la

Programacin No Lineal (PNL) aborda una gran
cantidad de problemas cuyas formulaciones
quedan representadas por expresiones que
contienen trminos no lineales.

cont.

Introduccin

Lamentablemente, no se dispone de un algoritmo que

resuelva todos los problemas especficos que se
ajustan a este formato.

Sin embargo, se han realizado grandes logros en

algunos casos especiales.

La investigacin en esta rea sigue muy activa.

De lo anterior se desprende que cada problema de PNL

tiene su propio mtodo de solucin cuando es posible.

Teora de optimizacin clsica

Sea:

f ( X ) una funcin continua, que denota a la

funcin objetivo.

h1 ( X ), h2 ( X ),..., hm ( X )
funciones que denotan las
restricciones de igualdad de la forma =0.

g m +1 ( X ), g m + 2 ( X ),..., g p ( X ) funciones que denotan

las restricciones de desigualdad 0.

cont.

Teora de optimizacin clsica

es un vector columna en el espacio
Euclidiano de n-dimensiones (En).

x1

x
X = 1
#

xn

cont.

Teora de optimizacin clsica

De lo anterior, un problema de PNL puede

ser caracterizado de la siguiente manera.
Opt

f (X )

s/a

h j ( X ) = 0; j = 1, m
g k ( X ) 0; k = m + 1, p
X En

en donde la palabra optimizacin puede significar

maximizacin o minimizacin.

cont.

Teora de optimizacin clsica

Otra forma equivalente de representar un

problema de optimizacin no lineal es:
Opt

{ f ( X ) \ X R}

Donde R se define como:

Como se aprecia, los modelos de PNL

engloban problemas de carcter ms general
(lineal, entero).

R = { X \ h j ( X ) = 0, g k ( X ) 0, j , k }

cont.

Teora de optimizacin clsica

Los

problemas no lineales pueden ser:

Restringidos: Cuando se tienen restricciones (lineales o no
lineales).
No restringidos: Cuando no se tienen restricciones y slo se
optimiza la funcin objetivo que desde luego, no es lineal.
Continuos: Cuando todas las variables y funciones son
continuas.
Discretos: Cuando algunas de las variables (o funciones) son
discretas.
Diferenciable: Cuando todas las funciones del problema son
doblemente diferenciables.
Con restricciones de igualdad y/o desigualdad.
Convexos, cuadrticos, separables.
Con slo una variable independiente o con varias variables
independientes.

Antes de abordar formalmente los

problemas presentados en el
programa del curso, revisaremos
algunas definiciones previas.

Forma Cuadrtica

Definicin, sean:
x1

x
X = 1
#

xn n1

a11

a
A = 21
#

an1

a12
a22

#
an 2

" a1n

" a2 n
% #

" ann nn

Una forma cuadrtica se define de la siguiente manera:

n

Q( X ) = X A X

o bien

Q ( X ) = aij xi x j
i =1 j =1

cont.

Forma Cuadrtica

Observacin:
Toda matriz cuadrada A que no es simtrica, se
puede llevar a una forma simtrica, en donde
cada elemento de la matriz se obtiene
promediando los elementos no-diagonales
correspondientes de la matriz original.

(aij + a ji ) / 2

Ejemplos:

1. Q ( x1 , x2 ) = 3 x12 2 x1 x2 + x22
2. Q( X ) = 2 x12 2 x1 x2 + 3x1 x3 + 2 x22 x32

cont.

Forma Cuadrtica

Nota:
La funcin general de 2o grado (cuadrtica) de
varias variables se escribe de la siguiente
manera:
t

f (X ) = c X + X A X
parte lineal

parte cuadrtica

c es un vector constante de n componentes.

cont.

Forma Cuadrtica

Estos conceptos nos permitirn determinar el

carcter de una funcin Q(X).

Con ello podremos saber si la funcin Q(X) es o

no optimizable.

Sea Q(X)=Xt A X, una forma cuadrtica donde

Anxn est en forma simtrica. Observemos como
se define el carcter de una funcin.

cont.

Forma Cuadrtica
definiciones
Car
Carcter

Q(X
Q(X)

Comentario

Definida positiva

Q(X)>0, para todo X

Semi-definida
positiva

Q(X)0, para todo X

Existe un X0 tal que

Q(X)=0

Definida negativa

-Q(X)>0, para todo X

-Q(X) es definida
positiva

Semi-definida
negativa

-Q(X)0, para todo X

-Q(X) es semi-definida
positiva

Indefinida

Ninguno de los casos

anteriores

cont.

Forma Cuadrtica

Observemos que aplicar las definiciones dadas

para determinar el carcter de una funcin
cuadrtica, resulta ser un procedimiento muy
complejo.

Existen teoremas que proporcionan las

condiciones necesarias y suficientes para
determinar el carcter de una forma cuadrtica.

Estos resultados se basan en los determinantes.

cont.

Forma Cuadrtica

Definicin
Sea A una matriz cuadrada de orden n, se define
el determinante menor principal dominante
(DMPD) de orden p como aquel que se obtiene
de la submatriz de la matriz dada, cuando se
eliminan las ltimas (n-p) filas y las ltimas (np) columnas.

Notacin
Mp , p=1,...,n

cont.

Forma Cuadrtica

Ejemplo

M1

a11

a
A = 21
a31

a41

M2

M3

a12

a13

a22
a32

a23
a33

a42

a43

M4

a14

a24
a34

a44

En base a la definicin anterior podemos reformular un

procedimiento que nos permita determinar el carcter de una
forma cuadrtica Q(X), en donde la matriz A se debe poner en
forma simtrica.

cont.

Forma Cuadrtica
Car
Carcter

Q(X
Q(X)

Definida positiva

Si los DMPD de la matriz Asim son positivos

(>0)

Semi-definida positiva

Si los DMPD de la matriz Asim son no

negativos (0)

Definida negativa

Si los signos de cada DMPD de Asim estn en

correspondencia con los signos de referencia
(-1)k, k=1,...,n

Semi-definida negativa

Si (Asim) es semidefinida positiva

Indefinida

Si no se cumple ninguna de las condiciones

anteriores

cont.

Forma Cuadrtica

Ejercicios

1. Q( X ) = 4 x12 2 x1 x2 + 3 x2 x3 + 2 x22 x32

2. Q( X ) = 2 x1 x2 + 3 x1 x3 4 x12 3 x22 2 x32
3. Q ( X ) = 2 x12 + 2 x22 + 3 x32 + 2 x1 x2 + 2 x2 x3
4. Q( X ) = 6 x1 + 3 x2 4 x1 x2 2 x12 3 x22

Figura ejercicio 4

10