El problema Isoperimetrico

 ¿Qué saben las abejas de geometría?

– Ya los romanos se preguntaban por qué las abejas construyen sus colmenas
utilizando compartimientos hexagonales.
– La forma hexagonal es la manera más eficiente de subdividir el plano, utilizando
el menor perímetro posible y por lo tanto, la menor cantidad de material
necesario para hacerla.
– Pappus ya había demostrado que, entre todos los polígonos regulares de similar
periferia, encierran más área aquellos que poseen un mayor número de lados.
Un círculo, entonces, es la figura que encierra el espacio más grande en un
contorno determinado, pues su número de lados es infinito.

 ¿Por qué las burbujas son redondas?

– Por eficiencia. En la naturaleza, todos los sistemas tienden a tener la menor
energía posible, esto se logra teniendo la menor superficie. Es decir, estando lo
menos estirada posible.
– El volumen de una burbuja está determinado por la cantidad de aire que tiene en
su interior. Si comparamos un cubo, una pirámide y una esfera del mismo
volumen, descubriremos que la superficie de la esfera siempre es menor. ¿Cómo
consiguen las burbujas tener la menor energía? ¡Con su forma esférica!
 Multiplicadores de Lagrange
Lagrange consideraba su profunda obra acerca de los problemas de máximos y
mínimos como su mejor trabajo en matemáticas.

Este trabajo se remonta a una carta escrita a Euler cuando sólo tenía 19 años.

En ella presentaba un nuevo método para resolver cierta clase de problemas de

optimización. Lagrange aplicó el método de los multiplicadores para investigar el
movimiento de una partícula en el espacio restringida a moverse sobre una superficie
definida mediante una ecuación de la forma

g(x, y, z) = 0
 Multiplicadores de Lagrange
Este método está basado en la derivación parcial y en la
actualidad tiene aplicaciones que varían desde minimizar
la cantidad de combustible que necesita una nave
espacial hasta maximizar la productividad de una
empresa comercial limitada por la disponibilidad de
recursos financieros, naturales o de personal.

Lagrange comunico su demostración en una carta a Euler, el cual se intereso enormemente por la
solución, pues coincidía con el mismo resultado que el mismo había hallado.

Euler oculto su propia obra de manera que todo el honor recayera sobre su joven amigo
_____________________________________
 Joseph Louis Lagrange
“Multiplicadores de Lagrange”
● ● ● ● Parte Teórica ● ● ● ●

Universidad de Chile
Facultad de Ciencias Físicas y Matemáticas
Programación no lineal con
restricciones de Igualdad
Imaginemos el siguiente problema :

Optimizar f (x1,x2,…,xn)
Sujeto a g1(x1,x2,…,xn)=bi
.
.
.
gm(x1,x2,…,xn)=bi i=1,2,…,m (m<n)

Podemos resolver este problema de 2 maneras:

 Sustitución:
Se despejan las variables en las restricciones y luego se sustituyen en la función objetivo.
Este método puede dar lugar a errores si se consideran puntos en los que la función objetivo
o las restricciones no están definidas.
 Método de Lagrange:
Se reduce el problema de optimización restringida a otro de optimización sin restricciones de
una función llamada Lagrangeano.
Multiplicadores de Lagrange
Este método se ocupara para resolver problemas no lineales en los cuales
las restricciones son igualdades.

 Paso 1:
Creamos el Lagrangeano

m
L( x,  )  f ( x1 , x2 ,..., xn )   i [bi  g i ( x1 , x2 ,..., xn )]
i 1

λi = Multiplicador Lagrangeano
Multiplicadores de Lagrange

 Paso 2:

Condición necesaria para la optimización:

Encontrar los puntos críticos (x*,λ*) del Lagrangeano.

L f m
g i
   i 0 j = 1,2,…,n
x j x j i 1 x j
L
 bj  g j  0 j = 1,2,…,m
 j
Multiplicadores de Lagrange

 TEOREMA (Condición Necesaria)

Si el rango del jacobiano de las restricciones en x* es m y x* es un optimo local del
problema, entonces existe un λ* tal que (x*, λ*) es punto critico de la función de
Lagrange.

 TEOREMA (Condición Suficiente)

Sea (x*, λ*) un punto critico de la función de Lagrange, entonces:

 Si f es cóncava en X y X es un conjunto convexo, entonces x* es MÁXIMO

global del problema original.

 Si f es convexa en X y X es un conjunto convexo, entonces x* es MÍNIMO

global del problema original.
Multiplicadores de Lagrange

 TEOREMA (Condición Suficiente)

Hf (x) es definida positiva → x* es MÍNIMO local

Hf (x) es definida negativa → x* es MÁXIMO local

Ejemplo

ACME S.A. planea gastar la suma de 10.000 dólares en publicidad.

Luego de un estudio se llega a que en promedio, un minuto de publicidad

en la televisión cuesta alrededor de 3.000 dólares y un minuto en la radio
cerca de los 1.000 dólares.

Si se invierte x minutos de comerciales en la televisión e y minutos de

comerciales en radio, el ingreso, en miles de dólares, está dado por la
siguiente ecuación:

f ( x, y)  2 x 2  y 2  xy  8x  3 y

¿Cómo puede ACME S.A. maximizar su ingreso?

Solución
Tenemos la siguiente programación no lineal:
MAX ( f ) = - 2x2 - y2 + xy + 8x + 3y
Sujeto a. 3000x + 1000y = 10000 → 3x + y = 10
Simplificando

Entonces:

L (x,y,λ) = - 2x2 - y2 + xy + 8x + 3y + λ(10 - 3x - y )

Donde λ es el “Multiplicador de Lagrange”

Luego Hacemos:
L L L
  0
x y 
Solución
Esto nos da:
L
 4 x  y  8  3  0 (1)
x
L
 2 y  x  3    0 (2)
y
L
 10  3 x  y  0 (3)


Luego:
10  3x  y  0  3x  y  10
(1)  y  4 x  8  3
(2)  x  2 y  3  
Solución
Así:
20
y  3  8  4(2 y  3   )  8 y  20  7 y  (4)
7

20 19
x  3    2(  ) x  (5)
7 7

1
Sustituyendo (4) y (5) en (3) obtenemos → 
4

Reemplazando λ en (4) y (5) nos da:

20 1 73
y  
7 4 28
Óptimos
19 1 69
x  
7 4 28
Solución
Ahora debemos ver si son Máximos.
Para ello realizaremos el Hessiano de f(x,y)

 2 f f 
 2 
x xy    4 1 
Hf ( x, y )     
 f  f
2   1  2
 
 yx y 2 

Debemos demostrar que Hf (x,y) es definida negativa

Solución
Entonces si Hf (x,y) es definida negativa:

  4 1  x 
Hf ( x, y ) definida NEGATIVA  x y     0
 1  2  y 
 4 x 2  2 xy  2 y 2  0 ¿Que podemos hacer?

Desmostremos que la desigualdad es correcta:

Solución
Partamos de algo cierto: (x - y)2 > 0

(x - y)2 = x2 - 2xy + y2 > 0 → x2 + y2 > 2xy

2x2 + 2y2 > x2 + y2 > 2xy → 2x2 + 2y2 > 2xy

Luego 4x2 > 2x2

4x2 + 2y2 > 2x2 + 2y2 > 2xy → 4x2 + 2y2 > 2xy
4x2 + 2y2 > 2xy /(-1) → - 4x2 - 2y2 < -2xy

Sumando 2xy en ambos lados de la inecuación obtenemos

- 4x2 + 2xy - 2y2 < 0

Q.E.D.
Solución
Caso Particular de funciones en dos variables

Calculamos el determinante del Hessiano de f :

2 f f
2
x 2 xy  f  f  f 
2 2
Hf ( x, y )   2   
f 2 f x y 2
 xy 
yx y 2

Luego evaluamos los resultados en la siguiente tabla :

|Hf (x,y)|
2 f
x 2
+ + = Mínimo
- = Máximo
- Punto Silla

0 Duda
Solución
Ahora podemos concluir que:

ACME S.A. tendrá que comprar 69/28 minutos en publicidad televisiva y

otros 73/28 minutos en la radio.

¿Qué pasaría si ACME S.A. quisiera invertir D miles de dólares más en

publicidad?

RESPUESTA:

Ya que λ = ¼ , el gasto de un D extra

(para un D pequeño) aumentaría los ingresos
de la empresa en aproximadamente
0.25 D dólares (en miles).