PROGRAMACIN NO LINEAL

NDICE.

UNIDAD 3. PROGRAMACIN NO LINEAL2

3.1 PLANTEAMIENTO DE PROBLEMAS DE PROGRAMACIN NO LINEAL.3

3.2 OPTIMIZACIN CLSICA....4

3.2.1 PUNTOS DE INFLEXIN...5

3.2.2 MXIMOS Y MNIMOS....6

3.3 PROBLEMAS NO RESTRINGIDOS7

3.3.1 MULTIPLICADORES DE LAGRANGE ( LAMBDA)7

3.3.2 INTERPRETACIN ECONMICA.9

BIBLIOGRAFA..12

BIBLIOGRAFA

Pgina 1

PROGRAMACIN NO LINEAL

INTRODUCCIN

PROGRAMACIN NO LINEAL.

La Programacin no Lineal (PNL) es una parte de la Investigacin Operativa cuya misin es proporcionar una serie de resultados y tcnicas tendentes a la determinacin de puntos ptimos para una funcin en un determinado conjunto oportunidades, donde tanto la funcin objetivo, como las que intervienen en las restricciones que determinan el conjunto de oportunidades pueden ser no lineales.

Un modelo de Programacin Lineal (PNL) es aquel donde las variables de decisin se expresan como funciones no lineales ya sea en la funcin objetivo y/o restricciones de un modelo de optimizacin. Esta caracterstica particular de los modelos no lineales permite abordar problemas donde existen economas o deseconomas de escala o en general donde los supuestos asociados a la proporcionalidad no se cumplen.

Para poder obtener una definicin concisa de la PNL se puede decir que es el proceso de resolucin de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto de variables reales desconocidas, con un funcin objetivo a maximizar, cuando alguna de las restricciones o la funcin objetivo no son lineales.

Cuando el conjunto de restricciones, la funcin objetivo, o ambos, son no lineales, se dice que se trata de un tipo de problema de programacin no lineal.

BIBLIOGRAFA

Pgina 2

PROGRAMACIN NO LINEAL

PLANTEAMIENTO DE PROBLEMAS DE PROGRAMACIN NO LINEAL

Una suposicin importante de programacin lineal es que todas sus funciones son lineales. Aunque, en esencia, esta suposicin se cumple para muchos problemas prcticos, es frecuente que no sea as. De hecho, muchos economistas han encontrado que cierto grado de no linealidad es la regla, y no la excepcin, en los problemas de planeacin econmica, por lo cual, muchas veces es necesario manejar problemas de programacin no lineal. Un problema general de programacin no lineal consiste en encontrar los valores de ciertas variables que maximizan o minimizan una funcin dada, dentro de un conjunto definido por una serie de restricciones de desigualdad, de forma que no hay aseguradas condiciones de linealidad ni sobre la funcin a optimizar ni sobre las funciones que definen el conjunto dentro del cual buscamos dicho ptimo. De una manera general, el problema de programacin no lineal consiste en encontrar x=(x1,x2,,xn) para maximizar (x), Minimizar x2 - y2 s.a: x2 - y 1 Calcular sus puntos crticos y probar que no hay mnimos globales pero s que hay un mnimo local. Solucin: La funcin lagrangiana del problema es: L(x, y, ) = x2 - y2 + (x2 - y - 1) Condiciones necesarias de mnimo Las condiciones de Kuhn-Tucker son: Lx = 2x + 2x = 0, (x2 - y - 1) = 0, Ly = - 2y - = 0, 0. L = x2 - y 1 0, En primer lugar se buscan los puntos crticos del problema. Analizando los posibles valores de se obtienen los puntos crticos: Si = 0, se tiene x = 0, y = 0. Al verificarse las condiciones de Kuhn-Tucker, se tiene que el punto (0, 0) con = 0 es un punto crtico. Ejemplo:

BIBLIOGRAFA

Pgina 3

PROGRAMACIN NO LINEAL

Si 0, se tiene el sistema de tres ecuaciones siguiente: x2 y 1 = 0, 2x + 2x = 0, 2y = 0. De la ecuacin 2x + 2x = 0 se obtiene que 2x(1 + ) = 0, de donde se deduce que x = 0 o = 1. Si = -1, no hay punto crtico porque no se cumplen las condiciones de Kuhn-Tucker, por tanto 1 + 0. Si x = 0, entonces y = -1, = 2. Se cumplen las condiciones de Kuhn-Tucker y por tanto, el punto (0, -1) con = 2 es punto crtico. Condiciones suficientes de mnimo. Analizando un entorno del punto (0, 0) se tiene que f(0, 0) = 0; para 0, f(0, ) = - 2 < 0 y f(, 0) = 2 > 0, por tanto, en cualquier entorno de (0, 0) hay puntos en los que la funcin vale ms que cero y menos que cero, lo que significa que en ese punto no hay un mnimo. En un entorno del punto (0, -1) se tiene que y -1 y que x puede tomar valores positivos y negativos. Analizando como en el caso anterior, se tiene que, f(0, -1) = -1; para 0 y 0 < < 2, tales que 2 (-1 + ) < 1, (es decir, tales que el punto (, -1 + ) sea del conjunto factible y por tanto, verifique la restriccin) se verifica, f(0 + , -1 + ) = 2 (-1 + )2 = 2 (1 - 2 + 2) = 2 1 + 2 - 2 > -1, es decir, existe un entorno del punto (0, -1) en cuyos puntos la funcin siempre vale ms que en el punto (0, -1), ya que para 0 < < 2, se tiene, 2 - 2 = (2 - ) > 0 y 2 > 0. Esto significa que en el punto (0, -1) hay un mnimo local. Sin embargo, este mnimo no es global, ya que hay puntos del conjunto factible en los que la funcin vale menos que en (0, -1), por ejemplo, en el punto (0, 4), que pertenece al conjunto factible ya que satisface la restriccin, la funcin vale 16.

OPTIMIZACIN CLSICA.
Si la restriccin no existe, o es una restriccin de igualdad, con menor o igual nmero de variables que la funcin objetivo entonces, el clculo diferencial, da la respuesta, ya que solo se trata de buscar los valores extremos de una funcin. Esta tcnica es til para funciones continuas y diferenciales, estos mtodos son analticos, tiene un campo limitado de aplicacin. Sin embargo, esto es la base para los dems mtodos. El problema es encontrar x = x* en el intervalo [a , b] de modo que x* minimice f(x).

BIBLIOGRAFA

Pgina 4

PROGRAMACIN NO LINEAL

*Teoremas -Condicin necesaria Si f(x) es definida en a x b, tiene un mnimo local en ( ) x = x*, si a < x* < b y -Condicin suficiente Si fn (x*) 0 f (x*) es: un mnimo de f (x) si fn (x*) > 0, n par; un mximo de f (x) si f n (x*) < 0, n par. Ejemplo: Determine valores mximos y mnimos de la funcin f (x) = 12x5 45x4 + 40x3 + 5 Solucin ( ) ( ) ( ) ( )( )

Luego f (x) = 0 cuando x* = 0, x* = 1, x* = 2. La segunda derivada f ''(x) = 60(4 9 + 4x) f (x) a x*= 0 f (x*) = 0 no es mximo ni mnimo, investigue la siguiente derivada f (x) a x*= 1 f (x*) = 12 mximo f (x) a x*= 2 f (x*) = -11 mnimo

PUNTOS DE INFLEXIN.
As como los puntos mximos y mnimos de una curva se caracterizan por ser puntos en los cuales la curva cambia de creciente a decreciente o viceversa, los llamados puntos de inflexin de una curva (cuando existen), se caracterizan por determinar un cambio en la concavidad de la curva. Sea F una funcin que es continua en un intervalo abierto y sea c un punto en ese intervalo. Si la grfica de f tiene una recta tangente en ese punto (c, f(c)), entonces este punto es un punto de inflexin de la grfica de f si la concavidad de f cambia de cncava hacia arriba a cncava hacia abajo(o de cncava hacia abajo a cncava hacia arriba) en ese punto. Para localizar los posibles puntos de inflexin, se pueden determinar los valores de x para los cuales f(x)=0 o f(x) no existe. Esto es similar al procedimiento para localizar los extremos relativos de f Teorema Puntos de Inflexin Si (cf(c)) es un punto de inflexin de la grfica de f, entonces f(c)=0 o f no existe en x=c.

BIBLIOGRAFA

Pgina 5

PROGRAMACIN NO LINEAL

Ejemplo Determinar los puntos de inflexin y analizar la concavidad de la grfica de f(x)=x4-4x3 Solucin La derivacin doble produce lo siguiente f(x)= x4-4x3 f(x)=4x3-12x2 f(x)=12x2-24=12x(x-2) Haciendo f(x)=0 es posible determinar que los puntos de inflexin posibles ocurre en x=0 y x=2. Al probar los intervalos determinados por estos valores de x, se puede concluir que ambos producen puntos de inflexin.

MXIMOS Y MNIMOS.
Mnimo (fuerte): Un punto extremo X0 de una funcin f(X0) define un mnimo de la funcin si f(X0+h) > f(X0), donde X0 es cualquier punto de la funcin y h en valor absoluto es suficientemente pequea. Mximo (fuerte): Un punto extremo X0 de una funcin f(X0) define un mximo de la funcin si f(X0+h) < f(X0), donde X0 es cualquier punto de la funcin y h en valor absoluto es suficientemente pequea. Una funcin puede contener varios mximos y mnimos, identificados por los puntos extremos de la funcin. En la siguiente figura se puede observar esto, los puntos x1, x3 y x6 son mximos, de la figura notamos que f(x6) es el mayor que f(x1) y f(x3), a este punto se le conoce como mximo global de la funcin y a los restantes como mximos locales. Lo mismo se puede ver para los mnimos, en los que tambin existe un mnimo global f(x2)y un mnimo local f(x4). Como es de lgico, solo puede existir un solo global y posiblemente varios locales.

BIBLIOGRAFA

Pgina 6

PROGRAMACIN NO LINEAL

Una condicin necesaria pero no suficiente para que X0 sea un punto extremo, es que para una funcin con ms de una variable, el gradiente f(X0) = 0. Si es cierto esto entonces X0 ser conocido como punto estacionario. Una condicin suficiente para que un punto estacionario sea extremo es que la matriz Hessiana H obtenida en X0 del sistema de ecuaciones sea positiva cuando X0 es un punto extremo de mnimo. Y negativa cuando X0 es un punto extremo de mximo. Un mximo dbil implica un numero finito de mximos alternativos y se define como X0 es un mximo dbil, si f(X0 + h) <= f(X0). Un anlisis similar es para los mnimos dbiles. Un punto de inflexin se encuentra cuando la evaluacin del gradiente da cero y no es un extremo, esto es, se debe de cumplir la condicin de la matriz Hessiana.

PROBLEMAS NO RESTRINGIDOS MULTIPLICADORES DE LAGRANGE ( LAMBDA).

Llamado as en honor a Joseph Louis Lagrange, es un procedimiento para encontrar los mximos y mnimos de funciones de varias variables sujetas a restricciones. Este mtodo reduce el problema restringido con n variables a uno sin restricciones de n + k variables, donde k es igual al nmero de restricciones, y cuyas ecuaciones pueden ser resueltas ms fcilmente. Estas nuevas variables escalares desconocidas, una para cada restriccin, son
BIBLIOGRAFA Pgina 7

PROGRAMACIN NO LINEAL

llamadas multiplicadores de Lagrange. El mtodo dice que buscar los extremos condicionados de una funcin con k restricciones, es equivalente a buscar los extremos sin restricciones de una nueva funcin construida como una combinacin lineal de la funcin y las restricciones, donde los coeficientes de las restricciones son los multiplicadores. La demostracin usa derivadas parciales y la regla de la cadena para funciones de varias variables. Se trata de extraer una funcin implcita de las restricciones, y encontrar las condiciones para que las derivadas parciales con respecto a las variables independientes de la funcin sean iguales a cero. Se pueden utilizar los multiplicadores de LaGrange para resolver los problemas no lineales en los cuales las restricciones son igualdades. Consideramos los del tipo siguiente: Max (o min) z=f ( x1 , x2 , , xn ) s.a g1 x1 , x2 , , xn = b1 g2 x1 , x2 , , xn = b2 g1 x1 , x2 , , xn = b1 gm x1 , x2 , , xn = bm Para resolverlo, asociamos un multiplicador l 1 con la i-sima restriccin y formamos el lagrangiano L x1 ,x2 ,, xn ,, 1 , 2 ,,m =f(x1 ,x2 ,, xn ) + i-li-mibi- gi x1 ,x2 ,, xn Donde ii=1,2, ,xn son constantes (desconocidas) denominadas multiplicadores de LaGrange. Despus resulvase el sistema de n + m ecuaciones: Lxj=0 (j=1, 2, ,n) Lxi=0 (j=1, 2, ,m) *Teorema: Si existe una solucin al programa, sta se encuentra contenida entre las soluciones al sistema anterior, siempre f(x) y cuando y gix(i=1,2,,m) todas tengan primeras derivadas parciales continuas y la matriz jacobina de m x n, J= gixj Tenga rango m en X = X* El mtodo de los multiplicadores de LaGrange es equivalente a emplear las ecuaciones de restriccin para eliminar algunas de las variables x de la funcin objetivo y resolver despus un problema de maximizacin sin restricciones para las restantes variables x.

BIBLIOGRAFA

Pgina 8

PROGRAMACIN NO LINEAL

EJEMPLO: Una compaa planea gastar 10,000 dlares en publicidad. Cuesta 3,000 dlares un minuto de publicidad en la televisin y 1,000 dlares un minuto de publicidad en la radio. Si la empresa compra x minutos de comerciales en la televisin y minutos de comerciales en la radio, su ingreso, en miles de dlares, est dado por fx,y= -2x2- y2+ xy+8x+ 3y. Cmo puede la empresa maximizar su ingreso? Solucin: Max z= -2 x2- y2+ xy+8y+3y s.a 3x+y=10 Entonces L x,y, = -2x2- y2+ xy+8x+ 3y+(10-3x-y) Hacemos Lx= Ly= L=0 Esto da: Lx= -4x+y+8-3=0 (1) Lx= -2y+x+3-=0 (2) Lx= -10+3x-y=0 (3) Obsrvese que 10 - 3x -y = 0 se convierte en la restriccin 3x + y = 10. La ecuacin (1) da y= 3-8+4x y la ecuacin (2) da x= -3+2y As, y= 3-8+4-3+2y=720+8y o y= 207- x= -3+2207- = 197- Sustituyendo (4) y (5) en la (3), obtenemos, o 4-1=0, o = 14 . Entonces (4) y (5) nos dan: y= 207- 14= 7328 x= 197- 14= 6928 El hessiano para f (x, y) es: Hx, y=-411-2 Ya que cada mejor principal de primer orden es negativo, y H2x,y=7>0, f (x, y)es una funcin cncava. La restriccin es lineal y, por lo tanto da la solucin ptima para el programa no lineal. As, la empresa tendra que comprar 69/28 minutos de tiempo de televisor y 73/28 minutos de tiempo de radio. Ya que l = , el gasto de un D extra (en miles) (para un D pequeo) aumentara los ingresos de la empresa en aproximadamente 0.25 D dlares (en miles). En general, si la empresa tiene a dlares para gastar en la publicidad, se puede demostrar que = 11-a 4. Vemos que si gasta ms dinero en la publicidad, el incremento en el ingreso por cada dlar adicional para la publicidad se hace ms pequeo.

INTERPRETACIN ECONMICA.
Al calcular los puntos estacionarios de un problema con restricciones de igualdad, se obtienen simultneamente los valores de los correspondientes multiplicadores de Lagrange. Hasta ahora dichos valores solamente han sido utilizados para construir la matriz Hessiana restringida y aplicar sobre ella las condiciones suficientes de optimalidad.

BIBLIOGRAFA

Pgina 9

PROGRAMACIN NO LINEAL

Lgicamente, la existencia de restricciones en un problema afecta al valor ptimo de la funcin, ya que esto supone una reduccin sobre el espacio de soluciones factibles. Los multiplicadores de Lagrange sirven justamente para medir como la correspondiente restriccin afecta al valor ptimo de la funcin objetivo; en otras palabras, miden el grado de sensibilidad del valor ptimo del problema por cambios en las restricciones. Ejemplo: Una compaa fabrica una serie de productos, tres de los cuales son deficitarios, se ha estimado que la funcin que determina las prdidas al fabricar esos productos es: f(x,y,z)=x^3+2y*z donde x,y,z son las cantidades fabricadas de los tres productos. Por supuesto, el objetivo de la compaa es minimizar esas prdidas. Obviamente, si ninguna restriccin es impuesta, para minimizar est funcin bastara no producir ninguno de los tres productos. Pero la situacin no es tan sencilla, ya que la compaa tiene firmados unos contratos por los que se ha comprometido a entregar a otras firmas ciertas cantidades de esos productos. En concreto, los compromisos que debe cumplir son: x+y=6, z=2 Por tanto, se debe resolver un problema con optimizacin con dos restricciones de igualdad. Al resolver dicho problema se obtiene: Producciones ptimas: x=1.1547, y=4.8453, z=2 Prdidas mnimas: f(1.1547,4.8453,2)=20.9208 Multiplicadores de Lagrange: l1=-4, l2=-9.6906 Parece lgico, analizando el planteamiento del problema, que si la compaa se comprometiera a fabricar ms cantidad de sus productos deficitarios, sus prdidas aumentaran. Por contra si consiguiera reducir las cantidades contratadas, reducira tambin sus prdidas. Min x^3+2y*z x+y=b1, z=b2 donde b1 y b2 son dos parmetros. En la siguiente tabla puede observarse como cambia la solucin al dar diferentes valores a los parmetros: b1 6 6 6 | b2 |1 |2 |3 |x | 0,816 | 1,155 | 1,414 |y | 5,183 | 4,84 | 4,586 |z |1 |2 |3 | f(x,y,z) | 10,911 | 20,921 | 30,343 | | | |
Pgina 10

BIBLIOGRAFA

PROGRAMACIN NO LINEAL

6 5 6 7 8

|4 |2 |2 |2 |2

| 1,633 | 1,155 | 1,155 | 1,155 | 1,155

| 4,367 | 3,845 | 4,84 | 5,845 | 6,845

|4 |2 |2 |2 |2

| 39,291 | 16,921 | 20,921 | 24,921 | 28,921

| | | | |

El comportamiento del problema al variar b1 y b2 es el previsible; al aumentar sus valores, tambin aumenta el valor mnimo de la funcin objetivo, pero como tambin puede observarse, una variacin de una unidad en b1 produce menor variacin sobre el valor ptimo que una variacin de la misma cantidad sobre b2, la proporcin de estas variaciones es aproximadamente igual a la proporcin entre los correspondientes multiplicadores de Lagrange. Desde un punto de vista prctico, si la empresa pudiera rescindir uno de sus contratos, le sera ms rentable hacerlo con el segundo, a no ser que los costos de tal rescisin fueran excesivos. Estos costos pueden medirse mediante los multiplicadores, de forma que cada multiplicador representara los precios mximos que la empresa estara dispuesta a pagar por rescindir el correspondiente contrato. Los multiplicadores de Lagrange sirven para medir la variacin que sufre el valor ptimo por variaciones infinitesimales en los parmetros de la derecha de las restricciones. Adems permiten asegurar que: Si el signo del multiplicador asociado a una restriccin es negativo, el valor ptimo del problema aumenta al aumentar el valor de la derecha de la restriccin. Si el signo del multiplicador asociado a una restriccin es positivo, el valor ptimo del problema disminuye al aumentar el valor de la derecha de la restriccin. Cuando el multiplicador de la restriccin es nulo no se dispone de informacin suficiente para predecir la variacin del valor ptimo. Desde un punto de vista econmico, si cada restriccin se interpreta como la disponibilidad de cierto recurso, se puede ver a los multiplicadores como un sistema de precios, en el sentido de indicar el valor o rendimiento que se podra obtener al aumentar la disponibilidad del correspondiente recurso. Comparando estos precios con los precios reales de mercado, puede decidirse si resulta efectivo o no el aumento de la cantidad disponible.

BIBLIOGRAFA

Pgina 11

PROGRAMACIN NO LINEAL

BIBLIOGRAFA
GUERRA FIGUEROA ARACELI, INVESTIGACIN DE OPERACIONES, URL, http://cheliiguerra.wordpress.com/problema-de-la-ruta-mas-corta-2/ GUERRA FIGUEROA ARACELI, INVESTIGACIN DE OPERACIONES, URL, http://cheliiguerra.wordpress.com/conceptos-basicos-2/ CANO ORTEGA JAVIER, PROGRAMACIN NO LINEAL, URL ,http://www.buenastareas.com/ensayos/Programacion-No-Lineal/406766.html KRIKER97, PROGRAMACIN NO LINEAL, URL, http://www.buenastareas.com/ensayos/Programacion-No-Lineal/292481.html CHIKIS199113, INVESTIGACIN DE OPERACIONES, URL, http://www.buenastareas.com/ensayos/Programacion-No-Lineal/2239496.html CRUZ CHVEZ MARCO ANTONIO (2000), MXIMOS Y MNIMOS, URL, http://www.uaem.mx/posgrado/mcruz/maximominimo.PDF TEIBO, PROBLEMAS NO RESTRINGIDOS MULTIPLICADORES DE LAGRANGE, URL, http://www.buenastareas.com/ensayos/Problemas-No-RestringidosMultiplicadores-De-Lagrange/1781272.html Larson Ron, Hostetler Robert P., Edwards Bruce H.; Calculo ;Mxico; Editorial Mc Graw Hill ;2006 ;Octava Edicin

Lieberman Gerald J. y Federick Hiller S., Investigacin de Operaciones

BIBLIOGRAFA

Pgina 12