ECONOMA APLICADA III

TEMA 2: INTRODUCCIN A LOS PROBLEMAS DE PROGRAMACIN MATEMTICA 1. 2. 3. 4. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACIN MATEMTICA. CONCEPTO DE PTIMO. DEFINICIONES Y TEOREMAS BSICOS. RESOLUCIN GRFICA.

1. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACIN MATEMTICA Un problema de Programacin Matemtica consiste en el clculo del mximo o del mnimo de una funcin de una o varias variables sometidas a un conjunto de restricciones. La formulacin general del problema es: Opt f ( x ) s .a . g ( x ) b h( x ) = c x S Rn donde f : R n R , g : R n R m , h : R n R p , b R m , c R p . Es decir, se trata de hallar los valores de x R n que maximicen o minimicen el valor de la funcin f en el conjunto que determinan las restricciones.

El vector x R n es el vector de variables de decisin del problema. f es la funcin objetivo del problema. Es la funcin de valoracin de las decisiones. Toma valores reales. El conjunto X = { x S R n / g( x ) b, h( x ) = c } es el conjunto factible. Cada x X se denomina solucin factible o punto factible. Si X = , el problema es infactible. Si X se reduce a un solo punto, entonces no existe problema de optimizacin, pues no hay posibilidad de eleccin. Puede considerarse, en general, un problema de maximizacin, pues hallar el mnimo de f es equivalente a hallar el mximo de ( f ) . El sentido de la desigualdad en las restricciones funcionales g ( x ) b no tiene carcter limitativo en la formulacin del problema, pues g ( x ) b es equivalente a g ( x ) b . Las restricciones funcionales de la forma h( x ) = c podran tratarse como h( x ) c , h( x ) c , aunque los problemas que slo tienen restricciones de igualdad tienen tratamiento especfico. Las restricciones conjuntistas, x S , se refieren a la propia naturaleza de las variables. Las supondremos variando de forma continua.

En los temas posteriores estudiaremos los siguientes tipos de problemas de programacin matemtica en los que las funciones f , g , y h son diferenciables:

G. ADMINISTRACIN Y DIRECCIN DE EMPRESAS

Problemas de programacin sin restricciones
Opt f ( x )

Curso 2012/13

Problemas de programacin con restricciones

Opt f ( x ) s .a . h( x ) = c
Problemas lineales

Opt f ( x ) s .a . g ( x ) b

Opt c t x s.a. Ax b
con c R , b R y A M m n .
n m

2. CONCEPTO DE PTIMO A continuacin se establecen los distintos conceptos de ptimo para una funcin de n variables. Sea el problema

Opt f ( x ) s .a . x X
Definicin: x* X es un mnimo local de f en X , si existe un entorno de x*, E( x*) , tal que f ( x*) f ( x ), x X E( x*) . Anlogamente, x* X es un mximo local de f en X , si existe un entorno de x * , E( x*) , tal que f ( x*) f ( x ), x X E( x*). Definicin: x* X es un mnimo global de de f en X , si f ( x*) f ( x ), x X . Anlogamente, x* X es un mximo global de f en X si f ( x*) f ( x ), x X . Si en estas definiciones, las desigualdades son estrictas, se dice que los ptimos son estrictos. Ejemplo: Sea f : R R , X = [ 0 , + ) .

a, c y f son mximos locales estrictos de f en X , b es mnimo local estricto, [d, e] son mnimos locales no estrictos, a y c son mximos globales de f en X . La funcin no tiene mnimo global finito en X .

ECONOMA APLICADA III

Usualmente se buscan ptimos globales. Sin embargo, en la mayora de los casos, tanto la teora como los mtodos de clculo van encaminados a la obtencin de ptimos locales, pues las condiciones de optimalidad se basan en el clculo diferencial, que slo permite comparar el valor de la funcin en un punto con los valores que alcanza en otros puntos prximos a l. Como veremos ms adelante, si se cumplen determinadas condiciones, puede establecerse el carcter global de los ptimos. 3. DEFINICIONES Y TEOREMAS BSICOS Definicin: La restriccin g j ( x ) b j est saturada o es activa en el punto x0 X si g j ( x0 ) = b j . La restriccin g j ( x ) b j no est saturada o es inactiva en x0 X si g j ( x0 ) < b j . Las soluciones factibles en las que no est saturada ninguna restriccin son puntos interiores del conjunto X . Las que saturan alguna restriccin estn situadas en la frontera de X . Ejemplo: Sea X = { ( x , y ) R 2 / x y 2 1, x 2 , y 0 }
(2,1) y = x-1
2

(1,0)

(2,0) x=2

Las restricciones x y 2 1, x 2 estn saturadas en el punto (2,1). El punto (2,0) satura las restricciones x 2 , y 0 y no satura la restriccin x y 2 1 . Definicin: Sea f : R n R , y R . La curva de nivel de la funcin f es el conjunto

C = { x R n / f ( x ) = } .
Definicin: Si f es diferenciable en x0 , el vector gradiente, f ( x0 ) , indica la direccin y sentido de mximo crecimiento de la funcin a partir de x0 . Representa el vector normal al hiperplano tangente a la curva de nivel que pasa por x0 . Ejemplo: Sea la funcin f ( x , y ) = x 2 + y 2 Las curvas de nivel , C = { ( x , y ) R 2 / x 2 + y 2 = } , representan circunferencias de centro (0,0) y radio . 2 En el punto (1,0), el gradiente es f ( 1,0 ) = 0 , que es la normal a la recta tangente a la curva de nivel que pasa por el punto (1,0), esto es C1 = { ( x , y ) R 2 / x 2 + y 2 = 1 } .

G. ADMINISTRACIN Y DIRECCIN DE EMPRESAS

Curso 2012/13

A continuacin se establecen dos resultados generales para problemas de programacin matemtica. Las condiciones del Teorema de Weierstrass garantizan la existencia de mximo y mnimo global, y las condiciones de convexidad permiten determinar el carcter global de los ptimos locales. Teorema (de Weierstrass). Si X R n es cerrado y acotado y f : R n R continua en X , entonces f alcanza un mximo y un mnimo global en X . Teorema (local-global). Sea f : R n R , X R n convexo y f cncava en X . Si x * es un mximo local de f en X , entonces x * es un mximo global de f en X . Anlogamente sea X R n convexo y f convexa en X . Si x * es un mnimo local de f en X , entonces x * es un mnimo global de f en X . Proposicin: Sea f : R n R , X R n convexo, y f estrictamente cncava (convexa) en X , entonces el mximo (mnimo) global de f en X , si existe, es nico. 4. RESOLUCIN GRFICA La resolucin de un problema de programacin matemtica puede verse como la obtencin de aquellos puntos del conjunto factible tales que la curva de nivel correspondiente tenga un nivel ptimo. Para problemas en dos variables de decisin, puede hacerse la representacin grfica del conjunto factible y de las curvas de nivel en el plano, y determinar los puntos que cumplen esta condicin. Ejemplo: Sea el problema

Opt x + y s .a . 2 x + y 6 x y 0 x, y 0 La siguiente grfica representa: El conjunto factible X = { ( x , y ) R 2 / 2 x + y 6 , x y 0 , x , y 0 } Las curvas de nivel de la funcin objetivo C = { ( x , y ) R 2 / x + y = } , que son rectas paralelas.

1 El valor de la funcin objetivo crece en la direccin del vector gradiente, f ( 0 ,0 ) = 1 .

ECONOMA APLICADA III

y=x

y=6-2x

Puede observarse que la solucin ptima del problema de maximizar es el punto (0,6), y la solucin ptima del problema de minimizar es el punto (0,0).