Leccin 1:

Introduccin a la Programacin
Matemtica

Programacin Matemtica

Departamento de Economa Aplicada (Matemticas)

1
Introduccin a la Programacin Matemtica

La Programacin Matemtica se encuadra dentro de la Teora de la

Optimizacin, la cual engloba un conjunto de tcnicas cuantitativas que
tratan de determinar acciones que maximicen minimicen un
determinado objetivo pero satisfaciendo ciertas limitaciones en los
recursos disponibles. En definitiva, son tcnicas que ayudan a tomar la
mejor decisin.

Un problema general de Programacin Matemtica consiste en

encontrar los valores de ciertas variables que maximizan minimizan
una funcin dada (funcin objetivo), dentro de un conjunto definido
por el dominio de dicha funcin (sin restricciones) por un conjunto
definido por una serie de restricciones (funciones restriccin), que
pueden ser de igualdad o desigualdad.
 Planteamiento General de un problema de Optimizacin

DEFINICIN
La formulacin general de un problema de Programacin Matemtica (PM) es:

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

x = ( x1 ,..., xn ) R n variable de decisin.

f : D Rn R funcin objetivo, es una funcin escalar que se desea maximizar

o minimizar.

g : D Rn Rm funcin restriccin , es una funcin vectorial que contiene todas

las funciones de restriccin g = ( g1 ,... , g m ).

b Rm vector de trminos independientes recursos.

 Planteamiento General de un problema de Optimizacin

Ejemplo
Un fabricante produce mesas (x1) y escritorios (x2). Para cada mesa que produce requiere
dos horas y media de montaje, tres horas de pulido y una hora de embalaje. Asimismo,
para cada escritorio, se requiere una hora de montaje, tres horas de pulido y dos horas de
embalaje.
Estas secciones presentan las siguientes limitaciones: la unidad de montaje trabaja, como
mximo, 20 horas al da; la unidad de pulido, como mximo, 15 horas al da; la unidad de
embalaje, como mximo, 16 horas al da.
El fabricante trabaja con un margen de beneficios de tres unidades monetarias por mesa
producida y cuatro por cada escritorio. Plantee el modelo de Programacin Matemtica en
el caso de que el fabricante pretenda maximizar beneficios.
Max 3 x1 + 4 x2 funcin objetivo
2,5 x1 + x2 20
3 x1 + 3 x2 15
s. a : restricciones
x1 + 2 x2 16
x1 , x2 0
 Planteamiento General de un problema de Optimizacin

CLASIFICACIN:
Por el tipo de funciones que intervienen:
- Problemas lineales: tanto la funcin objetivo como las funciones restriccin son
lineales.
- Problemas no lineales: alguna o todas las funciones que intervienen en el
problema son no lineales.

Por las restricciones que intervienen:

- Sin restricciones.
- Con restricciones: pueden ser todas de igualdad (programacin clsica) o con
restricciones de igualdad y desigualdad, todas de desigualdad (programacin no
lineal).
Concepto general de ptimo

DEFINICIN (concepto de ptimo)

Consideremos un problema de PM:
Opt f (x) Opt f (x)
o s. a : x X
s. a : g(x) b
Sea x* X , diremos que:
es un mximo local del problema de PM si existe un entorno E (x*) de dicho punto
donde se verifica que f (x*) f ( x), para todo x E (x*) X .
es un mnimo local del problema de PM si existe un entorno E (x*) de dicho punto
donde se verifica que f ( x*) f ( x), para todo x E ( x*) X .
es un mximo global del problema de PM si f (x*) f (x), para todo x X .
es un mnimo global del problema de PM si f (x*) f (x), para todo x X .

Todo ptimo global es tambin ptimo local pero podemos asegurarlo al contrario?
Teoremas

Teorema de Weierstrass (condiciones de existencia)

Dado un problema de PM:
Opt f (x)
s. a : x X
Si el conjunto de oportunidades X es no vaco, cerrado y acotado, y la funcin objetivo
f es continua en X, entonces el problema de PM posee mximo y mnimo globales.

Teorema Local-Global
Dado un problema de PM:
Opt f (x)
s. a : x X
Si el conjunto de oportunidades X es convexo y la funcin objetivo f es continua y
cncava (respectivamente, convexa) en X, entonces todo mximo (respectivamente
mnimo) local es global.