Optimizacin con restricciones de no negatividad

C. Hernndez, L. M. Neira, J. Ramrez y M. Rojas

1.

Restricciones de no-negatividad de las variables

Las restricciones de no-negatividad de las variables surgen con naturalidad en los problemas de economa y administracin. Por ejemplo, la cantidad de pelotas de golf a producir en una fbrica debe ser positiva. Ud. no puede decidir fabricar una cantidad negativa de pelotas de golf! Tampoco el precio que decida cobrar puede ser negativo, eso implicara que ud. estara dispuesto a pagar por que le compren su producto. Al igual que con el caso de las pelotas de golf existen muchos otros ejemplos donde las variables son no negativas: La cantidad de habitaciones que decidan construir los dueos de un hotel. El nmero de personas a contratar por una empresa. El nmero de mquinas a comprar para un proceso productivo. El precio que jaremos para vender un producto o servicio. Cantidad a producir de bienes. Y muchos otros ms. En los captulos anteriores vimos que al resolver un problema de optimizacin en una variable sin restricciones se cumple que en el ptimo la derivada de la funcin objetivo es igual a cero. df (x ) =0 dx Para el caso de mltiples variables debe cumplirse que el gradiente de la funcin objetivo es igual a cero, es decir, todas las derivadas parciales de la funcin objetivo son iguales a cero. f (x ) = 0 f (x ) =0 xi

En la gura 1.1 vemos que para un problema de maximizacin sin restricciones, el ptimo global puede darse para x < 0. Sin embargo, esto no ocurre cuando incorporamos la restriccin de no-negatividad de las variables. Todos los x < 0 quedan excluidos del dominio del problema, por lo tanto no los consideramos. El resultado se muestra en la gura 1.2, donde el mximo global se encuentra para un valor de x > 0.

Figura 1.1: Puntos crticos mximos en un problema de optimizacin sin restricciones

Figura 1.2: Puntos crticos mximos en un problema de optimizacin con restriccin de no-negatividad de las variables

Ahora bien, qu ocurre si el ptimo se encuentra en x = 0? En la gura 1.3 vemos que el mximo global se encuentra en el borde del dominio, es decir, en x = 0. Se cumplen las restricciones de optimalidad que conocemos en este punto? Observando la gura, vemos que en ese punto, la derivada de la funcin objetivo es distinta de cero. df (x ) =0 dx En este caso, la condicin de optimalidad que conocemos no es suciente. En general, las condiciones de optimalidad para un problema sin restricciones no son sucientes para caracterizar un problema con restricciones

de no-negatividad1 . Para los puntos crticos que no se encuentran en el borde del dominio, la condicin de optimalidad sigue siendo la misma: la derivada debe ser igual a cero en el punto. Pero, si el ptimo est en el borde del dominio, no necesariamente debe cumplirse que la derivada sea igual a cero. Matemticamente, df (x ) =0 dx df (x ) =0 dx si x = 0

si x = 0

Figura 1.3: Puntos crticos mximos en un problema de optimizacin con restriccin de no-negatividad de las variables

Estas condiciones pueden resumirse en una sola, que ser la condicin de optimalidad para problemas con restricciones no-negativas. df (x ) =0 dx La condicin anterior implica que se cumple alguno de los 2 casos: en el punto crtico x = 0, no importa que la derivada sea igual a cero, y en los puntos crticos x = 0 la derivada debe ser igual a cero. x Para el caso multivariable, la condicin de optimalidad es muy similar al caso anterior y es la siguiente: x i f (x ) =0 xi i

Esta condicin tambin es vlida para problemas de minimizacin con restricciones de no negatividad en las variables. Cmo sabemos si los puntos crticos son mximos o mnimos? Para los puntos que no se encuentran en el borde, se utiliza la misma condicin de segundo orden que en el caso sin restricciones.
medida que en el curso vayamos introduciendo distintos tipos de restricciones al dominio veremos que las condiciones de optimalidad se van complejizando.
1A

Si d2 f (x ) <0 dx2 d2 f (x ) >0 dx2 x es un mximo

x es un mnimo

Y para los puntos en el borde del dominio? Debemos ver el signo de la derivada de primer orden. Por ejemplo, en la gura 1.3, en x = 0 la derivada es negativa, por lo tanto podemos concluir que el punto x = 0 es un mximo. Matemticamente, si
f x f x

> 0, el punto es un mnimo. < 0, el punto es un mximo.

Luego de encontrar todos los puntos crticos (en el borde y fuera del borde) debemos compararlos para determinar cul es el mximo o mnimo global, y encontrar as la solucin ptima.