Capitulo 4-Optimizacion
Capitulo 4-Optimizacion
Capitulo 4-Optimizacion
CAPITULO 4: OPTIMIZACIN
Optimizacin es el proceso de hallar el mximo o mnimo relativo de una funcin, generalmente sin la ayuda de grficos. 4.1 Conceptos claves A continuacin se describir brevemente algunos conceptos necesarios para comprender apropiadamente el tema de optimizacin. 4.1.1 Funciones crecientes y decrecientes Se dice que una funcin f(x) es creciente (decreciente) en x=a, si en la vecindad inmediata del punto [a,f(a)] el grfico de la funcin crece (cae) al moverse de izquierda a derecha. Puesto que la primera derivada mide la tasa de cambio y la pendiente de una funcin, una primera derivada positiva en x=a indica que la funcin es creciente a; una primera derivada negativa indica que es decreciente. Grfico 4-1 Funcin creciente en x = a (Pendiente >0)
y y
x a a
f(a) > 0: funcin creciente en x = a f(a) < 0: funcin decreciente en x= a 4.1.2 Concavidad y convexidad Una funcin f (x) es cncava en x = a, si en alguna pequea regin cercana al punto [a, f(a)] el grfico de la funcin se ubica completamente debajo de su lnea tangente. Una funcin es convexa en x = a, si en un rea cercana a [a, f(a)] el grfico esta complemente arriba de su lnea tangente. Una segunda derivada positiva en x = a
CAPITULO 4: OPTIMIZACIN
81
denota que la funcin es convexa en x = a. Anlogamente, una segunda derivada negativa en x = a denota que la funcin es cncava en a. Grfico 4-2 Convexo en x=a f(a) > 0 f(a) > 0 f(a) < 0 f(a) > 0
x a
Cncavo en x=a f(a) > 0 f(a) < 0 y f(a) < 0 f(a) < 0
x a
a f(a) > 0: f(x) es convexo en x = a f(a) < 0: f(x) es cncavo en x = a 4.1.3 Extremo relativo
Un extremo relativo es un punto en el cual una funcin esta a un mximo o mnimo. Para ello, la funcin debe estar en un punto en el cual no esta creciendo ni decreciendo, y por ende, su primera derivada debe ser igual a cero o indefinida. Un punto en el dominio de una funcin donde la derivada iguala a cero o es indefinida es llamado punto o valor critico.
CAPITULO 4: OPTIMIZACIN
82
f(a) > 0
f(a) < 0
4.1.4 Puntos de inflexin Un punto de inflexin es un punto en el grafico donde la funcin cruza su lnea tangente y cambia de cncavo a convexo y viceversa. Los puntos de inflexin pueden ocurrir solo donde la segunda derivada iguala a cero o es indefinida. Es decir, f(a)=0. Grfico 4-4 f(a)=0 f(a) = 0
y y
f(a) = 0
y
f(a) < 0
y
f(a) > 0
x a
x a
x
CAPITULO 4: OPTIMIZACIN
x
83
4.2 Optimizacin sin restriccin 4.2.1 Funciones objetivo de una variable Sea la funcin: y = f(x), los pasos o condiciones para obtener el (los) mximo(s) o mnimo(s) relativo(s) sern:
dy =0 dx
2. Tomar la segunda derivada, evaluar los puntos crticos, y revisar los signos. Esta condicin es llamada condicin suficiente. Si un punto critico es a, entonces: f(a) < 0, la funcin es cncava en a, por ende un mximo relativo f(a) > 0, la funcin es convexa en a, por ende un mnimo relativo f(a) = 0, el test es inconcluso y es necesario realizar el test de las derivadas sucesivas: Si el primer valor diferente de cero de una derivada de orden superior, cuando se evala un punto critico es una derivada de grado impar (tercer, quinto, etc.) la funcin es un punto de inflexin. Si el primer valor diferente de cero de una derivada de orden superior, cuando es evaluado en un punto crtico es una derivada de grado par, entonces la funcin es un extremo relativo en a. Si esta derivada tiene valor negativo entonces la funcin es cncava en a (y por ende, es un mximo relativo). Caso contrario, la funcin es convexa y presenta un mnimo relativo en a. Ejercicio 76: Obtener el extremo relativo de la siguiente funcin: f(x) = -7x2 + 126x - 23 Solucin. Calculando la primera derivada e igualndola a 0: f(x)=-14x + 126 = 0 x = 9 (valor critico)
CAPITULO 4: OPTIMIZACIN
84
Tomando la segunda derivada y evaluando el valor critico: f(x) = -14, entonces f(9) = -14 < 0 es cncavo, mximo relativo.
Ejercicio 77: Obtener el extremo relativo de la siguiente funcin: f (x) = 2x4 16x3 + 32x2 + 5 Solucin. Calculando la primera derivada e igualndola a 0: f(x) = 8x3 48x2 + 64x = 0 f(x) = 8x( x 2 ) ( x 4) = 0 x=0, x=2, x=4 (puntos crticos)
Tomando la segunda derivada y evaluando los puntos crticos: f(x) =24x2 - 96x +64 f(0) =24(0)2 96(0) +64 = 64 f(2) =24(2)2 96(2) +64 = -32 f(4) =24(4)2 96(4) +64 = 64 >0 convexo, mnimo relativo <0 cncavo, mximo relativo >0 convexo, mnimo relativo
Ejerci 78: Obtener el extremo relativo de la siguiente funcin: f(x) = - ( x - 8 )4 Solucin. Calculando la primera derivada e igualndola a 0: f(x) = -4( x - 8 )3 = 0 x=8 (punto critico)
Tomando la segunda derivada y evaluando el punto crtico: f(x) = -12( x - 8 )2 f(8) = -12( 8 - 8 )2 = 0 f (x) = -24( x - 8 ) f (8) = -24( 8 - 8 ) = 0 test inconcluso Se requiere el test de derivadas sucesivas.
CAPITULO 4: OPTIMIZACIN
85
f (x) = -24 f (8) = -24 Ejercicio 79: Buscar la relacin entre: a) Producto total, b) Producto medio, y c) Producto marginal de la siguiente funcin de produccin: PT = 90K2 K3 Solucin. a) Condicin de 1er Orden para encontrar los valores crticos. PT = 90K 3K2 = 3K (60-K) = 0 Probar las condiciones de 2do Orden. PT = 180 6 K PT (0) = 180 PT (60) = -180 Comprobar puntos de inflexin. PT = 180 6 K = 0 K = 30 K < 30 PT > 0 (convexo) K > 30 PT < 0 (cncavo) Puesto que K = 30, PT = 0, hay un punto de inflexin en K=3 (convexo mnimo relativo) (cncavo, mximo relativo) K=0 y K=60 (valores crticos) <0 cncavo, mximo relativo
b)
Pmek =
PT = 90K K2 K
K=45 (valor critico) <0 (cncavo, mximo relativo)
Pmek = 90 2K = 0 Pmek = -2
c)
CAPITULO 4: OPTIMIZACIN
86
PMgk = 6
<0
Grfico 4-5 PT
108000 91125
Pme mximo Pmg=0
54000
Pmg mximo
Pmg. Pme.
30
45
60
2700
Pmg.
Pme. 30 45 60
CAPITULO 4: OPTIMIZACIN
87
2. Las derivadas parciales de segundo orden deben ser negativas cuando ellas son evaluadas en el punto critico (a,b) para un mximo relativo y positivas para un mnimo relativo. Ello asegura que la funcin es cncava y movindose hacia abajo en relacin a los ejes principales en el caso de un mximo relativo y la funcin es convexo y movindose hacia arriba en relacin a los ejes principales en el caso de un mnimo relativo. 3. El producto de las derivadas parciales de segundo orden evaluadas en el punto crtico deben exceder el producto de las derivadas parciales cruzadas tambin evaluadas en dicho punto. Esta condicin adicional es necesaria para evitar un punto de inflexin o punto de silla (ver grfico 4-6). En resumen: Condicin necesaria Primer orden Segundo orden*
crticos que hubieren.
Nota: las derivadas parciales de segundo orden son evaluadas en el punto critico (a,b) o los puntos
esta en un punto de inflexin. Caso contrario, la funcin estar en un punto de silla. Si fxx fyy = (fxy)2 entonces se requerira mayor informacin.
y x
CAPITULO 4: OPTIMIZACIN
88
Punto de Silla
Ejercicio 80: En la siguiente funcin encontrar los puntos crticos y determinar si stos son mximos o mnimos relativos, puntos de inflexin o puntos de silla: f(x, y) = 3x3 5y2 225x + 70y + 23 Solucin. Calculando la primera derivada e igualndola a 0: fx = 9x2 225 = 0 fy = -10y + 70 = 0
Resulta: x = 5, y = 7 . Entonces los puntos crticos sern: (5,7) y (5,-7) Las segundas derivadas (sin evaluarlas o testearlas) fxx = 18 x Evaluando el punto crtico (5,7): fxx ( 5, 7 ) = 18 (5) = 90 Cumple fxx ( 5, 7 ). fyy ( 5, 7 ) > [ fxy(5,7) ]2 ? fyy ( 5, 7 ) = -10 90. (-10) < [ 0 ]2 (no cumple!) fyy = -10 fxy = fyx = 0
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx y fyy (evaluadas en este punto crtico) tienen signo diferente, se concluye que este punto es un punto de silla.
CAPITULO 4: OPTIMIZACIN
89
Evaluando el punto crtico (-5,7) fxx ( -5, 7 ) = 18 (-5) = -90 Cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 ? fyy ( -5, 7 ) = -10 -90. (-10) > 0 (Si cumple!)
Dado que se cumple fxx ( -5, 7 ). fyy ( -5, 7 ) > [ fxy(-5,7) ]2 y adems, fxx, fyy < 0 entonces el punto en anlisis es un mximo. Ejercicio 81: En la siguiente funcin encontrar los puntos crticos y determinar si stos son mximos o mnimos relativos, puntos de inflexin o puntos de silla: f (x,y) = 3x3 +1.5y2 18xy +17 Solucin. Calculando la primera derivada e igualndola a 0 (condicin de primer orden): fx= 9x2 18y = 0 fy= 3y 18x = 0 y= x2 y = 6x
Donde x = 0, x = 12, y = 0, y = 72. As, los puntos crticos son: (0,0) y (12,72) Calculando las segundas derivadas: fxx = 18x Evaluando el punto crtico (0,0) fxx = ( 0, 0 ) = 18 (0) = 0 Cumple que fxx ( 0, 0 ). fyy ( 0, 0 ) > [ fxy(0,0) ]2 ? fyy = ( 0, 0 ) = 3 0.3 < ( -18 )2 (No cumple) y fyy fyy = 3 fxy = fyx = -18
Entonces este punto crtico no es ni mximo ni mnimo. Puesto que fxx inflexin. Evaluando el punto crtico (12,72)
CAPITULO 4: OPTIMIZACIN
90
fxx = ( 12, 72 ) = 18 (12) = 216 Cumple que fxx( 12, 72 ).fyy( 12, 72 ) > [ fxy(12,72) ]2 ?
Dado que se cumple fxx ( 12, 72 ). fyy ( 12, 72 ) > [ fxy (12,72) ]2 y adems, fxx , fyy > 0 entonces el punto en anlisis es un mnimo relativo.
Donde Hn es el determinante de la matriz Hessiana (simtrica). Hessiano (simtrico) Es simplemente una matriz conformada por derivadas de segundo grado. Esta matriz es utilizada para testear mximos o mnimos en funciones con n variables. En general, el hessiano ser: H1 = f11
H2 =
Y as sucesivamente.
CAPITULO 4: OPTIMIZACIN
91
Para el caso de una matriz hessiana del orden 3 x 3, los menores pueden denotarse como:
f11
f12
f23 f33
f13
H1 = f11
H2 =
H3 = H Ejercicio 82: Hallar los valores extremos de z = - x13 + 3x1 x3 + 2x2 - x22 - 3x32 Solucin. Las derivadas parciales son: f1 = - 3x12 + 3x3 f2 = 2 - 2x2 f3 = 3x1 - 6x3
Ahora, haciendo f1 = f2 = f3 = 0, los puntos crticos sern: (0, 1, 0) y (0.5, 1, 0.25). Reemplazando tales puntos en la funcin original z, se tiene que z = 1, y z = 17 16 , respectivamente. Las derivadas parciales de segundo orden dispuesta ordenadamente en el hessiano:
H=
6x1 0 3
0 2 0
3 0 6
H1 = 0 H2 = 0 H3 = 18
H = 0 2 0 3 0 6
No concuerda con ninguna de las dos test. Entonces es necesaria mayor informacin. 2. Usando (1/2, 1, 1/4) el hessiano es:
CAPITULO 4: OPTIMIZACIN
92
3 H= 0 3
0 2 0
3 0 6
H1 = -3 H2 = 6 H3 = -18
Cumple el test, entonces, el punto z = 17 16 es mximo. Ejercicio 83: Utilizar el criterio del Hessiano con el ejercicio 81. Solucin. En el ejemplo 81 se obtuvieron los puntos crticos (0, 0) y (12, 72), ahora analizaremos la segunda derivada con el criterio del Hessiano. Las segundas derivadas: El hessiano ser: fxx = 18x fyy = 3 fxy = fyx = -18
H=
fxx fyx
fxy fyy
H=
18x 18 18 3
H=
18(0) 18 3 18
Puesto que H1 = 0 y H2 < 0 entonces el punto no es mximo ni mnimo. Es un punto de silla o de inflexin (revisar los criterios). 2. Evaluando el hessiano en el punto (12,72):
H=
18(12) 18 18 3
Dado que H1 > 0 y H2 > 0, el punto es un mnimo. Cuando se utiliza el criterio del hessiano para funciones de dos variables es necesario resaltar lo siguiente:
CAPITULO 4: OPTIMIZACIN
93
H=
fxx fyx
fxy fyy
Para el caso de un mximo, el hessiano requiere inicialmente que: H1 < 0, o lo que es igual fxx < 0 Adems, se requiere que H2 > 0 , o lo que es igual: fxx fyy - fyx fxy > 0 Recordando que fxy = fyx, tal expresin puede quedar como: fxx fyy > (fxy)2 Dado que fxx < 0, para que la expresin (iii) sea vlida, es necesario que: fyy < 0 (iv) (iii) (ii) (i)
Entonces, para que el punto critico sea un mximo se requiere que se cumpla (i), (iii) y (iv), condiciones de suficiencia conforme a la seccin 4.2.2. Note que la multiplicacin de las segundas derivadas parciales debe ser positiva (fxx fyy segunda derivada debe ser negativa. Para el caso de un mnimo, el lector puede fcilmente demostrar que las condiciones sealadas en el punto 4.2.2 igualmente coinciden con el criterio del hessiano (simtrico). Por qu?. En realidad, el hessiano (simtrico) es el caso general para optimizacin funciones de cualquier orden. 4.3 Optimizacin con restriccin 4.3.1 Funciones con igualdades Se plantea un nuevo problema, el de optimizar una funcin sujeta a una restriccin de igualdad: > 0) ya que cada
CAPITULO 4: OPTIMIZACIN
94
Maximizar
Para encontrar la solucin a este nuevo tipo de problema, se debe formar una nueva funcin F que debe ser formada por (1) estableciendo la restriccin igual a cero, (2) multiplicndolo por (el multiplicador de Lagrange) y (3) sumando el producto a la funcin original: F(x1, x2, ) = f(x1, x2) + [ k - g(x1, x2)] Aqu, F(x1, x2, ) es llamada la funcin Lagrangiana, f(x1, x2) es la funcin objetivo u original, y g(x1, x2) es la restriccin. Puesto que la restriccin es siempre igual a cero, el producto [ k - g(x1, x2)] tambin es igual a cero y la suma de tal trmino no cambia el valor de la funcin objetivo. Los valores crticos x0, y0 y 0 (para los cuales la funcin es optimizada) son obtenidos tomando las derivadas parciales de F (con respecto a cada una de las simultneamente: F1(x1, x2, ) = 0 F2(x1, x2, ) = 0 tres variables independientes) e igualndolas a cero. Es decir,
(x1, x2, ) = 0
Donde F1 expresa una derivada parcial F/ x1 Ejemplo: Considere el siguiente problema con tres variables de decisin (x, y, z), donde la ecuacin G(.) = c (es una constante) y determina un conjunto de
restricciones para (x, y, z), en el espacio, el cul es funcin V (x1, y, z ) para puntos (x, y, z) sobre la superficie SG.
Maximizar Sujeto a V ( x, y, z ) G ( x, y, z ) = c
una superficie y lo
(1)
CAPITULO 4: OPTIMIZACIN
95
Paso 2: Por las condiciones de primer orden tomar las derivadas parciales. Lx = Ly = Lz = 0
(3)
V = V(x ,y ,z )
SG
Ejercicio 84: Considerar el siguiente ejemplo: Maximizar 2x 3y + z Sujeto a Solucin. Paso 1: formamos el lagrangiano para este problema L = 2x 3y + z - (x2 + y2 + z2 - 9) Paso 2: Por las condiciones necesarias de primer orden x2 + y2 + z2 = 9
CAPITULO 4: OPTIMIZACIN
96
L = 2 - 2 x = 0 x L = -3 - 2 y = 0 y L = 1 - 2 z = 0 z L = - x2 - y2 - z2 + 9
Paso 3: Resolver el sistema de ecuaciones: De la ecuacin (1) y (2) 2 - 2 x = 0 = 1/x Igualando se obtiene: De la ecuacin (1) y (3) 2 - 2 x = 0 = 1/x Igualando se obtiene: z = x/2 1 - 2 z = 0 = 1/2z y = - 3x/2
3x x x + + =0 2 2
2
x = 3 2 7
Resulta en dos soluciones: x1 = 3 2 7 = 1.6 x2 = 3 2 7 = -1.6 Notamos sin embargo que: V (x1, y1, z1)= 42/ 14 = 11.22 V (x2, y2, z2)= -42/ 14 = -11.22 y1 = -9 / 14 = -2.41 y2 = 9 / 14 = 2.41 z1 = 3 / 14 = -0.8 z2 = -3 / 14 = -0.8
CAPITULO 4: OPTIMIZACIN
97
Por lo tanto, el punto mximo es ( x1, y1, z1 ) y el punto mnimo es ( x2, y2, z2 ). El problema y la solucin son retratados en la siguiente grfico (4-8).
z 11
Grfico (4-8)
V* = 11.22 = 2x 3y + z
x 2 + y 2 + z2 = 9
3 4 y
Ejercicio 85: Considere una economa de recurso basada en que cada obreros (L) puede optar por cosechar rboles madereros (T) o pescar (F). Suponga que la economa exporta tanta madera como peces y se enfrentan a precios mundiales constantes significados PT y PF respectivamente. La siguiente curva de transformacin son combinaciones tcnicamente eficientes de madera, peces y trabajo G( T, F, L ) = T2 + F2 / 4 L = 0 Suponga que PT = $ 500 / TM, PF = $ 1000 / TM y L = 1700 es el nmero de las horas disponibles asignados entre cosechar rboles madereros o pescar. Resolver el problema de optimizacin esttico que trata de maximizar el valor de la cosecha sujeto a la funcin de transformacin.
CAPITULO 4: OPTIMIZACIN
98
Solucin. Paso1: Formamos el problema de maximizacin. Maximizar Sujeto a Paso 2: Formamos el lagrangiano. L = 500T +1000F - ( T2 + F2 / 4 - 1700 ) Paso 3: Por las condiciones de primer orden V = 500T + 1000F T2 + F2 / 4 = 1700
(a)
(b)
(c)
250 2000 = F = 8T T F
T +
2
( 8T )2
4
= 1700
CAPITULO 4: OPTIMIZACIN
99
= 25
Por lo tanto, la economa debe asignar la fuerza de trabajo disponible para producir 10 toneladas mtricas de madera y 80 toneladas mtricas de peces. El valor marginal (precio sombra) de una unidad adicional de trabajo es $25/horas. Hessiano Orlado Ahora, para determinar si los valores crticos corresponden a un mximo o mnimo, es necesario utilizar el criterio del Hessiano Orlado. Este tipo de hessiano se aplica para el caso de optimizacin de funciones con restricciones. En general, cuando la funcin objetivo toma la forma de F = F ( x1, x2,. Xn) sujeta a g( x1, x2,. Xn) = k, el Hessiano Orlado ser de la forma siguiente:
0 g1 H = g2 ... gn
H2 g1 g2
F21 F22
F11 F12
g1
g2
Mximo
Mnimo
= F1 = F2 = .. = Fn = 0
n
= F1 = .. = Fn = 0
H 2 , H3 ,..., H n < 0
Ejercicio 86: Optimizar la funcin sujeto a una restriccin. Maximizar z = 4x2 + 3xy + 6y2 Sujeto a Solucin. Paso 1: Formar el lagrangiano, pero primero establecemos la restriccin igual a cero, sustrayendo las variables de la constante: x + y = 56
CAPITULO 4: OPTIMIZACIN
100
56 x y Multiplicar esta diferencia por y sumar el producto de ambos a la funcin objetivo a fin de formar la funcin Lagrangiana Z. Z = 4x2 + 3xy + 6y2 + ( 56 x y ) Paso 2: Calcular las derivadas parciales de primer orden, igualarlas a cero y resolverlas simultneamente. Zx = 8x + 3y - = 0 Zy = 3x + 12y - = 0
= 56 x y
= 348
Luego substituyendo tales valores crticos en la funcin objetivo Z = 4 (36)2 + 3 (36)(20) + 6(20)2 + (348)( 56 - 36 - 20 ) Z = 9744 Paso 4: Ahora es necesario corroborar si el punto critico obtenido es mximo o mnimo local. Para ello, se formular el Hessiano Orlado y luego se proceder a analizar los test respectivos. El Hessiano Orlado requiere derivadas de segundo orden: Zxx = 8 Zyy = 12 Zxy = 3
0 1
1
y calculando su determinante
H= 1 8 3 1 3 12
CAPITULO 4: OPTIMIZACIN
101
H = H2 = 0(1)2
8 3 1 3 1 8 + 1(1)3 + 1(1)4 = 14 3 12 1 12 1 3
F = fi (x i ,x 2 ) + gi (x1,x 2 ) 0 x i
F = g(x1,x 2 ) 0
xi 0
CAPITULO 4: OPTIMIZACIN
102
xi
Fi =0 x i
F =0
Donde las condiciones en (c) son llamadas condiciones complementarias, significando que tanto x como f '(x) no pueden ser -simultneamente- cero. Puesto que una funcin lineal es cncava y convexa, aunque no estrictamente cncava o estrictamente convexa. En las condiciones de Kuhn-Tucker la restriccin es siempre expresada como ms grande o igual que cero. Esto significa que a diferencia de las restricciones de igualdad que son establecidas igual a cero, el orden de la sustraccin es importante en programacin cncava. Para el mximo en F, una solucin interior (Figura a) f(x) = 0 y x>0
Todas las posibilidades para un mximo en el primer cuadrante pueden ser resumidas como: f(x) 0 x0 y x f(x) = 0
Los cuales son reconocibles como parte de las condiciones de Kuhn-Tucker. Notar que tales condiciones automticamente excluyen un punto como K en (a) el cual no es un mximo, porque f(K) > 0. Cabe mencionar que la expresin x f(x) = 0 significa que al menos una de las dos cantidades debe tomar el valor cero.
CAPITULO 4: OPTIMIZACIN
103
F K
H f(x) J
f(x)
f(x) f(x) x x x
x>0 x=0
y>0 y>0
=0 =0
x>0 x=0
y>0 y>0
>0 >0
x>0 x>0
y=0 y=0
=0 =0
x>0 x=0
y=0 y=0
Normalmente, las posibilidades encerradas en el recuadro son las ms comunes. Por ello, es sugerible que sean las primeras en ser probadas. Ejercicio 87: Maximizar la funcin de beneficio sujeto a una restriccin de produccin. Maximizar : = 64x 2x2 + 96y - 4y2 - 13 Sujeto a : x + y 36 Solucin. Paso 1: Formamos la funcin Lagrangiana
x = 64 4x - 0
y = 96 8y - 0
= 36 x y 0
CAPITULO 4: OPTIMIZACIN
104
x0 x ( 64 -4x - ) = 0
y0 y ( 96 8y - ) = 0
0 ( 36 x y ) = 0
Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker, (a) Si , x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a: 64 -4x - = 0 96 8y - = 0 36 x y = 0
En forma de matriz,
4 0 1 x 64 0 8 1 y = 96 1 1 0 36
Usando la Regla de Cramer donde: A = 12 se obtiene que: Ax = 256 x= 21.33 Ay = 176 y = 14.67 A = -256
= -21.33
Lo cual no puede ser ptimo ya que < 0 y contradice las condiciones de KuhnTucker. (b) Si = 0 y x, y > 0 entonces 64 4x = 0 96 8y = 0 x = 16 y = 12
Esto da la solucin correcta: x = 16, y = 12 y = 0, lo cual es ptimo ya que no viola ninguna condicin de Kuhn-Tucker.
Ejercicio 88: Minimizar la funcin de costo, sujeto a una restriccin de igualdad. Maximizar : K = 5x2 80x + y2 32y Sujeto a : x + y 30
CAPITULO 4: OPTIMIZACIN
105
Solucin. Paso 1: Multiplicando la funcin objetivo por 1 y estableciendo el Lagrangiano, C = -5x2 + 80x - y2 + 32y + (x + y 30) Paso 2: Donde las condiciones de Kuhn-Tucker son, Cx = -10x + 80 + 0 x0 x( -10x + 80 + ) = 0 Cy = -2y + 32 + 0 y0 y(-2y + 32 + ) = 0
C = x + y 30 0
0
( x + y 30) = 0
Paso 3: Se testean o revisan las condiciones de Kuhn-Tucker, (a) Si = 0 x, y > 0 entonces de las condiciones de Kuhn-Tucker llevan a: Si = 0 entonces de x ( -10x + 80 + ) = 0 se tiene que: x =8, y = 16 Sin embargo, estos resultados violan C = x + y 30 0 ya que: 8 + 6 30 0. (b) Si > 0, x, y > 0 todas las primeras derivadas parciales son estrictas igualdades:
10 0 1 x 80 0 2 1 y = 32 1 1 0 30
Donde: A= 12 Y se obtiene que: A1= 109 x=9 A2= 252 y = 21 A3= 440
= 36.67
CAPITULO 4: OPTIMIZACIN
106
4.4 Ejercicios resueltos Ejercicio 89: Maximizar la funcin de ingreso total IT = 32q q2 Solucin. Paso 1: CPO: (condiciones de primer orden) IT = 32 2q = 0 Paso 2: Evaluar la segunda derivada IT = -2 < 0 (cncavo, mximo relativo) q = 16 (valor critico)
As, el ingreso total mximo ser: IT(16) = 32(16) (16)2 = 256 Ejercicio 90: Maximizar la funcin de beneficio:
= - q2 - 10q + 2000 = 0
(q + 50) (q 40) = 0 De donde los valores crticos son: q = -50 y q = 40 Paso 2: Evaluar la segunda derivada
Puesto que q = -50 es negativo no tiene significado econmico, el valor crtico negativo es descartado. Entonces el beneficio mximo ser cuando q = 40:
CAPITULO 4: OPTIMIZACIN
107
(40) = -
Ejercicio 91: Encontrar el nivel de produccin de cada bien a fin de maximizar el beneficio, si una firma produce dos bienes x e y; si la firma tiene la siguiente funcin de beneficio:
x = 64 4x + 4y = 0 y = 4x 8y + 32 = 0
Paso 2: Resolver el sistema
x=40
y = 24
Paso 3: Calcular las segundas derivadas y asegurarse que ambas son negativas, como se requiere para un mximo relativo.
xx = -4
yy = -8
(si cumple!)
Paso 4: Tomar las derivadas cruzadas para asegurarse que xx yy > (xy )2 . Sabiendo que xy = yx = 4 ,
xx yy > (xy )2
(-4)(-8) > (4)2 36 >16 As, los beneficios son maximizados cuando x = 40 e y = 24 . En ese punto el beneficio es = 1650 . Ejercicio 92: Sea la funcin de demanda: P = 12.50e-0.005Q
CAPITULO 4: OPTIMIZACIN
108
a) Encuentre el precio y la cantidad que maximiza el ingreso total. b) Compruebe que realmente dicha cantidad y el precio maximizan P. Solucin. a) Primero formamos el ingreso total: I = PQ I = (12.50e-0.005Q )Q Luego por condicin de primer orden
Ya que:
b) Comprobando (segunda derivada) I = (12.50e-0.005Q)(-0.05) + ( 1 - 0.005Q )( -0.005 )(12.50e-0.005Q) I = (-0.005) (12.50e-1)(1) = - 0.0625(0.36788)<0 Como I < 0 , entonces la funcin es maximizada Ejercicio 93: Dado la siguiente funcin: z = e (2x a) Encontrar los valores crticos b) Determinar si tales valores son mximos y/o mnimos. Solucin. a) zx = ( 4x 12 2y ) e (2x zy = ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y) 2 12x - 2xy + y2 4y)
CAPITULO 4: OPTIMIZACIN
109
Puesto que debe cumplirse: zx = zy = 0, entonces, x= 8 y y = 10 b) zxx = ( 4x 12 2y ) (4x 12 2y ) e (2x zyy = ( -2x + 2y 4 ) ( -2x + 2y 4 ) e (2x
2 12x - 2xy + y2 4y)
+ e (2x
+ e (2x
+ e (2x
zxx = 0 + 4e 68 > 0 zyy = 0 + 2e 68 > 0 zxy = 0 - 2e 68 < 0 Se cumple que: zxx , zyy > 0 zxx , zyy > ( zxy )2
Es decir, 8e-76 > 4e-136. Por lo tanto el punto (8, 10) es mnimo. Ejercicio 94: Se tiene las siguientes funciones de demanda de una empresa y tambin su funcin de costos: Q1 = 520 10P1 Q2 = 820 20P2 C = 0.1 Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325 Obtenga la combinacin ptima de Q1, Q2 a fin de maximizar beneficios. Solucin. Paso 1: Despejamos las funciones de demanda en funcin de las cantidades. P1 = 520 - 0.1Q1 P2 = 140 - 0.01Q2 Paso 2: Formamos la funcin de beneficios
= P1Q1 + P2 Q 2 C
CAPITULO 4: OPTIMIZACIN
110
= ( 520 0.1Q1) Q1 + (410 0.05 Q2) Q2 - ( 0.1Q12 + 0.1 Q1 Q2 + 0.2 Q22 + 325 ) = 520Q1 0.2 Q12 + 410 Q2 0.25 Q22 - 0.1Q1 Q2 - 325
Paso 3: Para obtener el mximo es necesario que: 1 = 2 = 0
Reemplazando ambos resultados en las funciones de precios respectivas: P1 = 520 - 0.1( 1152.63) = 404.74 Sea la funcin de beneficio: P2 = 410 - 0.05( 589.47) = 380.53
Sujeto a 2xy = 337.5 a) Encuentre el(los) valor(es) crtico(s) de la siguiente funcin de costo. b) Demuestre matemticamente si la respuesta de a) es un mximo o mnimo. Solucin. a) Para encontrar los valores crticos de la fusin de costos, se proceder a resolver en tres pasos: Paso 1: Formar el Lagrangiano C = 3x +4y + ( 337.5 2xy) Paso 2: Por condicin de primer orden
CAPITULO 4: OPTIMIZACIN
111
Cx = 3 - 2 y = 0 Cy = 4 - 2 x = 0
C = 337.5 2xy
Paso 3: Resolver el sistema de ecuaciones, primero despejamos de (1) y (2) y lo igualamos para obtener y en funcin de x
3 - 2y = 0 4 - 2x = 0 (1) = (2)
C xx H = C yx gx
Definiendo: Cxx = 0
C yy gy
Cyy = 0
C xy
gx gy 0
Cxy = Cyx = -2
2 2y 0 2 H = 0 2x 2y 2x 0
De donde H = H2 = 16xy . Dado que las 3 variables son positivas, entonces
H2 < 0 : C es minimizado!.
Ejercicio 96: Si se gastan x miles de dlares en mano de obra, y miles de dlares en equipo, la produccin de cierta fbrica ser Q ( x, y ) = 60x1/3y2/3 unidades. Si hay US$ 120 000 disponibles,
CAPITULO 4: OPTIMIZACIN
112
a) Cmo debe distribuirse el dinero entre mano de obra y equipo para generar la mayor produccin posible?. b) Demuestre si el resultado maximiza o minimiza la funcin. Solucin. a) Se proceder a resolver en 4 pasos: Paso 1: Formar el problema de optimizacin con restriccin de igualdad. Maximizar 60x1/3y2/3
Sujeto a x+y = 120000 Paso 2: La nueva funcin Lagrangiana L = 60x1/3y2/3 + ( 120000 x y ) Paso 3: Por condiciones de primer orden. Lx = 20x-2/3y1/3 - = 0 Ly = 40x1/3y-2/3 - = 0 (1) (2) (3)
L = 120 x y = 0
Paso 4: Resolver el sistema. De (1) despejamos De (2) despejamos Igualando (a) y (b) se obtiene y en funcin de x
= 20x-2/3y1/3 = 40x1/3y-2/3
(a) (b)
= 20x-2/3y1/3 = 40x1/3y-2/3
y = 2x x = 40000, y = 80000
b) Formamos nuestro Hessiano Orlado, primero hallamos las segundas derivadas Lxx = -40x-5/3y1/3 Lyy = -40x1/3y-5/3 Lxy = Lyx = 20x-2/3y-2/3
CAPITULO 4: OPTIMIZACIN
113
0 H= 1 1
1 40 5 3 1 3 x y 3 20 2 3 2 3 x y 3
1 20 2 3 2 3 x y 3 40 1 3 5 3 x y 3
H = H2 =
40 2 3 2 3 40 5 3 1 3 x x y y + x1 3 y 5 3 + 3 3
Fcilmente puede inferirse que toda la suma ser positiva, dado que x, y son positivos. Entonces H2 > 0 , por tanto estos valores maximizan la funcin. Ejercicio 97: Encuentre los valores ptimos del siguiente problema de optimizacin Minimizar Sujeto a C = 5x2 80x + y2 - 32y x + y 26
Solucin. Cambiando de signos en la restriccin para que el problema sea de maximizacin: Maximizar Cx = -10x + 80 + 0 x0 x (-10x + 80 + ) = 0 C = -5x2 + 80x - y2 + 32y + ( x + y 26 ) Cy = -2y + 32 + 0 y0 y (-2y + 32 + ) = 0
C = x + y -26 0
0 ( x +y 26 ) = 0
10 0 1 x 80 2 1 y = 32 0 1 1 0 26
CAPITULO 4: OPTIMIZACIN
114
x=
A1 = 8.3 A
y=
A2 = 17.6 A
A3 = 3.3 A
Estos resultados satisfacen las condiciones de Kuhn-Tucker, por tanto son los valores ptimos. Ejercicio 98: Determine los valores ptimos para la maximizacin del beneficio. Maximizar Sujeto a Solucin. La funcin ser B = = 64x 2x2 + 96y -4y2 -13 + ( 27 x y ) Bx = 64 4x - 0 x0 x(64 4x - ) = 0 By = 96 8y - 0 y0 y (96 8y - ) = 0
B = 27 x y 0 0 (27 x y) = 0
Probando con: , x,y > 0 (implica que debe solucionarse las siguientes ecuaciones): 64 4x - = 0 96 8y - = 0 27 x y = 0 Usando Cramer:
4 0 1 x 64 0 8 1 y = 96 1 1 0 27
CAPITULO 4: OPTIMIZACIN
115
A = 12 De donde:
A1 = 184
A2 = 140
A3 = 32
x=
A1 184 = = 15.3 A 12
y=
A 2 140 = = 11.6 A 12
A 3 32 = = 2.6 A 12
Lo cual es la solucin optima porque cumple las condiciones de Kuhn-Tucker. Ejercicio 99: El departamento de investigacin de mercado determino que hay una relacin entre el precio y la cantidad: P = 12 2lnx ( 0 < x < 90 ) para un producto dado. Si cada unidad del producto cuesta S/. 3, determine la cantidad de tal producto que optimiza el beneficio de tal dpto. Compruebe si dicha cantidad maximiza o minimiza el beneficio. Solucin. Sea nuestra funcin de beneficio:
= IT - CT = ( 12 -2 lnx)x - 3x = 9x 2xlnx
Por condiciones de primer orden:
d 1 = 9 2x 2ln x dx x d = 7 2lnx dx d =0 dx
7 2lnx = 0
Resolviendo:
x = e 3.5
(es mximo)
Ejercicio 100: Compruebe formalmente y determine la cantidad que maximiza el beneficio. Si nos dan informacin sobre la forma funcional del ingreso total y costo total. IT = 15Q1 + 18Q2 CT = 2Q12 + 2Q1Q2 + 3Q22
CAPITULO 4: OPTIMIZACIN
116
el beneficio. Ejercicio 101: Sea: Funcin de Ingreso: Funcin de Costo: Determine: a) Funcin de beneficios b) La cantidad que maximiza el beneficio c) La condicin para que la funcin de beneficio tenga un mximo d) La condicin para que la funcin de beneficio tenga un mnimo e) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga un punto de silla?. De ser cierto, cul(es) seria(n)? f) Es posible establecer una(s) condicin(es) para que la funcin de beneficio tenga un punto de inflexin?. De ser cierto, cul(es) seria(n)? Solucin. a) La funcin de beneficios se construir a partir de la diferencia de la funcin de ingresos menos la funcin de costo: aQ1 + bQ2 cQ12 + dQ1Q2 +eQ22
CAPITULO 4: OPTIMIZACIN
117
Q = a 2cQ1 - dQ2
1
Q = b dQ1 2eQ2
2
Q1 =
c) Se sabe que:
2ae bd 4ec d2
Q2 =
2bc ad 4ec d2
Q Q = -2c
1 1
Q Q = -2e
2 2
Q Q = Q Q = -d
1 2 2 1
(que ambas derivadas difieran de signo). Entonces: bastara que c y e difieran de signo.
CAPITULO 4: OPTIMIZACIN
118
f)
(que ambas derivadas tengan el mismo signo). Entonces: c y e deben tener el mismo signo y adems 4ce < d2 . Ejercicio 102: Si la funcin de utilidad de un consumidor es U(x, y) = xy, siendo x e y las cantidades consumidas de los bienes A y B, cuyos precios unitarios son 2 y 3 unidades monetarias, respectivamente, maximizar la utilidad de dicho consumidor sabiendo que no puede destinar ms de 90 unidades monetarias a la adquisicin de dichos bienes. Solucin. Formar nuestra restriccin a partir de los datos del enunciado: Maximizar Sujeto a Formamos el lagrangiano U = xy + ( 90 - 2x - 3y) Por condiciones de Kuhn-Tucker. (1a) (1b) (1c) Ux= y - 2 0 x0 x (y - 2x ) = 0 (2a) (2b) (2c) Uy = x - 2 0 y0 x (y - 2x ) = 0 (3a) (3b) (3c) U ( x, y ) 2x 3y 90
U = 90 - 2x - 3y 0
0
(90 - 2x - 3y) = 0
1. Probando si = 0 y x > 0, y > 0 Usando (1.a) y (2.a): x, y 0, lo cual no concuerda con (1.b) y (2.b) 2. Probando > 0 y x > 0, y > 0 Aplicando esto en (1c), (2c) y (3c): y - 2x = 0 y - 2x = 0 ( 90 - 2x - 3y ) = 0
CAPITULO 4: OPTIMIZACIN
119
Resolviendo este sistema 3x3: x = 22.5, y = 15, = 7.5 Lo cual satisface las condiciones de Kuhn-Tucker. Ejercicio 103: Encontrar los valores de x, y que optimizan el siguiente problema. Maximizar Sujeto a Solucin. Por el tipo de restriccin, es necesario transformar la funcin original en funcin cncava multiplicando por -1 tanto dicha funcin como la restriccin. Haciendo ello y formando el lagrangiano. C = -6x2 + 60x - y2 + 24y + ( x + y - 16 ) Por condiciones de Kuhn-Tucker. 6x2 - 60x + y2 - 24y x + y 16
Cx= -12x + 60 + 0
Cy= -2y + 24 + 0
C = x + y - 16 0
x0 x (-12x + 60 + ) = 0
y0 x (-2y + 24 + ) = 0
(x + y - 16) = 0
1. Probando ,x , y > 0 Si esta condicin se cumple entonces de (1.c), (2c) y (3c): -12x + 60 + = 0 -2y + 24 + = 0 x + y - 16 = 0 De este sistema se obtiene que:
x=
34 114 108 y = = 5 5 5
CAPITULO 4: OPTIMIZACIN
120
Lo cual satisface todas las condiciones. Por lo tanto este es el punto (5, 12) que maximiza el problema de optimizacin. Ejercicio 104: Una firma enfrenta una funcin F ( x, y ) = 3x2 +5xy +6y2 y tiene una funcin de restriccin g ( x, y ) = 5x + 7y = 732. Determine FORMALMENTE que tipo de funcin es F (beneficio o costo?) Solucin. Paso 1: La funcin lagrangiana ser: E = 3x2 +5xy +6y2 ( 732 - 5x - 7y) Paso 2: Las condiciones de optimizacin: Ex = 6x + 5y 5 = 0 Ey = 5x + 12y - 7 = 0
E = 732 - 5x - 7y = 0
E xx H = Eyx gx
Reemplazando los datos:
E xy E yy gy
gx gy 0
H = 5 12 7 5 7 0
el H 2 = 5 (35 -60) - 7 (42 - 25) = -244. Entonces E es minimizado. Se trata de una funcin de costo.
CAPITULO 4: OPTIMIZACIN
121
Ejercicio 105: Resuelva el siguiente problema de optimizacin formalmente que la solucin encontrada corresponde a un mximo. Maximizar Sujeto a Solucin. Ux = y + 1 6 = 0 Resolviendo el sistema: Uy = x - 2 = 0 U = xy + x 6x + 2y = 110
y demuestre
U = 110 - 6x -2y = 0
1 6 x 1 0 1 0 2 y = 0 6 2 0 110 0 H= 1 1 0
6 2
x =9
1 2 y = 27 = 4 3 3
6 2
H2 > 0 , U es maximizado.
Ejercicio 106: Optimice la siguiente funcin: y = 3x12 5x1 - x1x2 + 6x22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3 a) Determine la coordenada del punto crtico b) Calcule el valor de la funcin en dicho punto c) Correspondera a una tpica funcin de costos o ingresos? d) Si la funcin fuera, y = 3x12 - 5x1 - x1x2 + ax22 - 4x2 - 2x2x3 + 4x32 + 2x3 - 3x1x3, Cul debera ser el valor de a para que no exista solucin nica (un nico punto critico)? Solucin. a) Por condicin de primer orden, obtenemos las derivadas parciales de la funcin (1). y1 = 6x1 - 5 - x2 - 3x3 y2 = -x1 + 12x2 - 4 - 2x3 y3 = 2x2 + 8x3 - 2 - 3x1 Por condicin de 1er Orden: y1 = y2 = y3 = 0 (se forman 3 ecuaciones lineales) (1)
CAPITULO 4: OPTIMIZACIN
122
6 1 3 x1 5 1 12 2 x = 4 2 3 2 8 x 3 2
A = 424 De donde: A1 = 440 x1 = 1.04 A2 = 196 x2 = 0.46 A3 = 108 x3 = 0.26
c) Ser necesario el hessiano simtrico para averiguar si el punto obtenido corresponde a un mximo o mnimo, de lo cual se concluye que la funcin podra ser una tpica funcin de beneficios o costos, respectivamente. Para ello, se obtienen las segundas derivadas: y11 = 6 y21 = -1 y31 = -3 y12 = -1 y22 = 12 y32 = -2 y13 = -3 y23 = -2 y33 = 8
1 3 H = 1 12 2 3 2 8 6
1 3 8
ser cero. Entonces, det ( A ) = 2 (39a - 22) = 0 a = 22 / 39 Ejercicio 107: Sea el ingreso total, 15q1 + 18q2 el cual esta sujeto a un costo: 2q12 + 2 q1q2 + 3q22 a) Determine el nivel de produccin que maximiza/minimiza el beneficio b) Demuestre que ese nivel maximiza o minimiza el beneficio. c) Si el costo es 2q12 + 2 q1q2 + aq22, que requisito debe cumplir a para que exista un beneficio mximo? d) Sea la funcin de costo, bq12 + 2 q1q2 + aq22, que requisito debe cumplir a, b, para que esta funcin sea una funcin de beneficio? Solucin. a) La funcin de beneficio ser:
CAPITULO 4: OPTIMIZACIN
123
B = Ingreso Costo = 15q1+18q2 - 2q12 - 2q1 q2 - 3q22 Bq1 = 15 - 4q1 - 2q2 Bq2 = 18 - 2q1 - 6q2 Bq1q1 = -4 Bq2q2 = -6 Bq1q2 = Bq2q1 = -2
El punto crtico saldr de la condicin de primer orden: Bq1 = Bq2 = 0 de donde q1= 2.7 y q2= 2.1.
4 2 H= 2 6
Se cumple que: Bq1q1 < 0 Bq2q2< 0 Bq1Bq2 - (Bq1q2)2 > 0 Entonces el punto es un mximo.
c) Sea la nueva funcin de beneficio: B = 15 q1 + 18 q2 2q12 - 2q1q2 aq22 Bq1 = 15 4q1 - 2q2 Bq2 = 18 - 2q1 - 6q2 Bq1q1 = -4 Bq2q2 = -2a Bq1q2 = Bq2q1 = -2
Es necesario hacer que Bq1 = Bq2 = 0 para obtener el punto crtico. Usando el criterio del determinante, se llega a que: a 1/2. Aplicando el criterio de hessiano simtrico: Para que el punto sea un mximo: Bq1q1 < 0 Bq2q2< 0 Bq1Bq2 - (Bq1q2)2 > 0 8a > 4 a > 1/2
4 2 H= 2 2a
De ambas condiciones se concluye que: a ] ,[ d) Solo se pide analizar esta funcin y convertirla en una funcin de beneficios. No construir una funcin de beneficios a partir de la funcin de ingreso. Anlogamente, usando el criterio de determinante (condicin para obtener un punto crtico) se llega a que ab 1. Usando el hessiano simtrico: b<0, a<0 y ab>1.
CAPITULO 4: OPTIMIZACIN
124