Professional Documents
Culture Documents
(COMPLEMENTO)
Introduccin
Entendemos por programacin no lineal, cuando la funcin objetivo y algunas (o todas) las
restricciones son del tipo no lineales.
Se presenta, a continuacin, distintos casos de programacin no lineal que es factible
resolverlos de manera analtica.
1. CASO UNIDIMENSIONAL NO RESTRINGIDO
Dada una funcin
Max
f ( x)
con
x R
f ( x * ) 0
f ( x * ) 0
i.
ii.
Ejemplo: Una pequea empresa manufacturera puede vender todos los artculos que produce a
un precio de $6 c/u. El costo de producir x artculos a la semana (en $), est dado por:
C ( x) 1000 6 x 0,003 x 2 10 6 x 3
Qu valor de x debemos seleccionar con el objeto de maximizar las utilidades?
Solucin: Dado que debemos maximizar las utilidades debemos encontrar la expresin de la
utilidad.
Sean:
P( x) Utilidad
R( x) Ingreso
C ( x) Costo
P( x) R( x) C ( x)
6 x 1000 6 x 0,003 x 2 10 6 x 3
1000 0,003 x 2 10 6 x 3
Condiciones que deben cumplirse:
i.
ii.
P ( x * ) 0
P( x* ) 0
P ( x) 0,006 x 3 * 10 6 x 2
0,006 x 3 * 10 6 x 2 0
x(0,006 x 3 * 10 6 x) 0
x1 * 0
x 2 * 2000
Condicin de segundo orden:
P ( x) 0,006 6 *10 6 x
(Evaluando en x=0)
P (0) 0,006 0 x1 * 0 es mnimo
Ahora evaluamos la segunda derivada en el segundo punto extremo (x= 2000)
semanal
Ejercicio: Suponga, ahora que el precio p en que x artculos pueden venderse est dado
por la siguiente funcin de demanda p = 12 0.0015x.
2.- CASO MULTIDIMENSIONAL NO RESTRINGIDO
El problema lo podemos formular como:
Max
con
f ( x1 , x 2 ,....., x n )
x Rn
( x T )* ( x1 , x2 ,..., xn )
Si x* es un ptimo debe cumplirse:
i.
f ( x*)
0
x
f ( x*)
0
x1
f ( x*)
0
x 2
.
.
f ( x*)
0
x n
ii.
2 f ( x*)
H ( x*) , el Hessiano o matriz de derivadas parciales de segundo
x 2
2 f
2 2
x1
2 f
x 2 x1
..
2 f
x x
n 1
2 f
x1x 2
2 f
x 2
..
2 f
x n x 2
2
2 f
x1x n
2 f
.....
x 2 x n H ( x)
.....
..
2 f
.....
2
x n
.....
H 1 0;
H 2 0;
H 3 0;
H 4 0;..........
H 1 0;
c.
H 2 0;
H 3 0;
H 4 0;..........
Los menores principales corresponden a los determinantes de las sub matrices del Hessiano:
H1
2 f
x1
2 f
H2
x1
2 f
x 2 x1
2
2 f
x1
2 f
H3
x 2 x1
2 f
x3 x1
2
2 f
x1x 2
2 f
x 2
2 f
x1x 2
2 f
x 2
2 f
x3 x 2
2
2 f
x1x3
2 f
x 2 x3
2 f
x3
y as, sucesivamente.
Ejemplo:
f ( x1 , x2 ) x1 ( x1 3) 2 5x2
Max
f
0 2 x1 ( x1 3) ( x1 3) 2 0 (1)
x1
f
0
x 2
10 x 2 0 (2)
( x1 3)(2 x1 x1 3) 0
( x1 3)(3x1 3) 0
Esta ecuacin entrega dos soluciones para x1 :
x1 1
*
x1 3
**
x2 0
*
x * (1, 0)
x ** (3,0)
Analizaremos ahora las condiciones de segundo orden
2 f
x1
2 x1 2( x1 3) 2( x1 3)
2 x1 2 x1 6 2 x1 6 6 x1 12
2 f
0
x1x 2
2 f
0
x 2 x 2
2 f
x 2
10
0
(6 x 12)
H 1
0
10
x * (1, 0)
0
6
H (x* )
0 10
Obtenemos ahora los menores principales:
H 1 6 0
H2
10
60 0
0
6
H ( x ** )
0 10
x ** (3, 0)
En este caso:
H1 6 0
H2
0 10
60 0
En consecuencia, el ptimo se da en
x * (1, 0)
Max
f ( x1 , x 2 ,....., x n )
s.a.
g ( x1 , x 2 ,....., x n ) k
El mtodo consiste en formar una funcin compuesta con la funcin objetivo y la restriccin de
igualdad, de manera de transformar el problema original con restriccin en un problema no
restringido, el cual puede resolverse de manera similar a lo expuesto en el caso 2.
La funcin compuesta es:
i.
L
0
x1
L
0
x 2
.
.
L
0
x n
L
0
ii.
g
H B x1
...
g
x n
g
x1
2L
x1
...
2L
x n x1
2
g
x n
2L
....
x1x n
...
...
2
...
2
x n
...
0
H B2
g
x1
g
x 2
H B3
g
x1
g
x 2
g
x3
g
x1
2L
x1
2L
x 2 x1
2
g
x1
2L
x1
2L
x 2 x1
2L
x3 x1
2
g
x 2
2L
x1x 2
2L
x 2
g
x 2
2L
x1x 2
2L
x 2
2L
x3 x 2
y as sucesivamente, donde
g
x3
2L
x1x3
2L
x 2 x3
2L
x3
H B corresponde al determinante de H B .
H B 2 0;
H B 3 0;
H B 4 0;........
H B 2 0;
H B 3 0;
H B 4 0;........
Interpretacin de
De la funcin Lagrangiana,
L
, en consecuencia, puede interpretarse como la tasa
k
Max
f ( x1 , x 2 ) 25 x1 x 2
2
s.a.
2 x1 x 2 4
Solucin: Obtenemos la funcin Lagrangiana
L( x1 , x2 , ) 25 x1 x2 (2 x1 x2 4)
2
i.
L
0 2 x1 2 0 (1)
x1
L
0 2 x 2 0 (2)
x 2
L
0 2 x1 x 2 4 0 (3)
x1 1,6
*
x 2 0,8
*
* 1.6
g
H B x1
g
x
2
g
x1
2L
x1
g
x 2
2L
x1x 2
2
2
x 2
2L
x 2 x1
1
0 2
H B 2 2 0
1 0 2
Donde,
H B2 0
1 2
2 2
1
primera fila).
Dado que
L( X , ) f ( X ) g ( X )
i.
L
0
X
L
0
0
HB T
P
P
Q
Donde:
0 0 ij
mxm
i, j
g 1 ( X )
..
P
..
g m ( X ) mxn
2L
Q
i, j
x
i j nxn
( X 0 , 0 ) de la funcin Lagrangiana L( X , ) y la matriz
Hessiana Acotada H B evaluada en ( X 0 , 0 ) , entonces X 0 es:
Dado un punto extremo
(1) m 1 .
(1) m .