SlideShare una empresa de Scribd logo
1 de 16
Descargar para leer sin conexión
El Método de KUHN TUCKER y
LAGRANGE

Realizado por:
Darlene Herrera
C.I.: 16.170.579
Historia de Kuhn-Tucker
Albert William Tucker (28 de noviembre de 1905 – 25 de enero de 1995)
fue un matemático estadounidense nacido en Canadá que realizó
importantes contribuciones a la Topología, Teoría de juegos y a
la Programación no lineal.
Condiciones de Kuhn-Tuvker fue desarrollado por Albert William Tucker y
complementada por Harold Kuhn, quien permitió mejoras en el
proceso, pero se le adjudico un papel secundario.
Definición de las condiciones
Las condiciones de Karush-Kuhn-Tucker (también
conocidas como las condiciones KKT o KuhnTucker) son condiciones necesarias y suficientes
para que la solución de un problema de
programación matemática sea óptima. Se dice
estas son una generalización del método de los
multiplicadores de Lagrange.
Importancia de Kuhn-Tucker

La importancia de este teorema radica en que nos dice
que podemos asociar una función de utilidad a unas
preferencias, esto nos abre la puerta de la potente
herramienta del análisis matemático al estudio del
comportamiento del consumidor.
Un comerciante puede comprar hasta 17.25 onzas
de un producto o químico a 10 dólares cada onza.
Se puede convertir una onza d el producto químico
A en una onza del producto I a un costo de 3
dólares a onza. Asimismo, una onza del químico A se
puede convertir en una onza del producto II a un
costo de 5 dólares la onza. Si se producen x1 onzas
del producto I se venderá a 30 − x1 dólares la
onza, mientras que si se producen x 2 onzas del
producto II se venderá a 50 − x 2 dólares la onza.
Determine cómo el comerciante puede maximizar
sus ganancias.
Variables de Decisión:
■ x1 = Onzas del producto I producidas ■ x 2 =
Onzas del producto II producidas Objetivo Max z =
x1 (30 − x1) + x 2 (50 − x 2) − 3 x1 − 5 x 2 − 10 (
x1 + x 2) Restricciones x1 + x 2 ≤ 17.25, 0 ≤ x1, 0
≤ x 2

Ejemplo 1
Así:
f = x1 (30 − x1) + x 2 (50 − x 2) − 3 x1 −
5 x 2 − 10 ( x1 + x 2) g1 = x1 + x 2 −
17.25 ≤ 0 g 2 = − x1 ≤ 0 g 3 = − x 2 ≤ 0
Las condiciones de KKT que debe satisfacer el
óptimo son (Observe que se uso el criterio para
maximizar con
−
f
; por tanto,
los
multiplicadores no deben ser negativos):
Resolviendo el sistema anterior con Maple
obtenemos los siguientes puntos. En la tabla se
tabula cada una de las restricciones evaluada en el
p unto correspondiente. Recuerde que las λ s
deben ser no negativas y las restricciones deben
cumplirse (gi ≤ 0 ):

Ejemplo 1
Campo de Aplicación
Básicamente el procedimiento consiste en resolver el
problema no lineal como uno sin restricciones, luego si la
solución óptima de dicho problema no cumple la totalidad
o parte de las restricciones del problema se activan
dichas restricciones (en conjunto y/o secuencialmente) y
se resuelve nuevamente. Esto se repite hasta llegar a un
conjunto de restricciones activas cuya solución también
satisface las restricciones omitidas. Notar que si se han
activado la totalidad de restricciones sin encontrar una
solución factible, entonces el problema es infectable. Esta
característica particular de los modelos no lineales
permite abordar problemas donde existen economías o
de economías de escala o en general donde los
supuestos asociados a la proporcionalidad no se
cumplen.
Historia de Lagrange
Joseph Louis Lagrange, fue un matemático, físico y
astrónomo italiano que después vivió en Rusia y
Francia. Lagrange demostró el teorema del valor
medio, desarrolló la mecánica Lagrangiana y tuvo una
importante contribución en astronomía.
Los Multiplicadores de Lagrange
En los problemas de optimización, los multiplicadores
de Lagrange nombrados así en honor a Joseph Louis
Lagrange, son un método para trabajar con funciones
de varias variables que nos interesa maximizar o
minimizar, y está sujeta a ciertas restricciones. Este
método reduce el problema restringido en n variables
en uno sin restricciones de n + 1 variables cuyas
ecuaciones pueden ser resueltas. Este método
introduce una nueva variable escalar desconocida, el
multiplicador de Lagrange, para cada restricción y
forma una combinación lineal involucrando los
multiplicadores como coeficientes. Su demostración
involucra derivadas parciales, o bien usando
diferenciales totales, o sus parientes cercanos, la regla
de la cadena. El fin es, usando alguna función
implícita, encontrar las condiciones para que la
derivada con respecto a las variables independientes
de una función sea igual a cero.
Utilidad del método
Uno de los problemas más comunes en el cálculo es el de encontrar
máximos o mínimos (en general, "extremos") de una función, pero a
menudo es difícil encontrar una forma cerrada para la función que se
está extremando. Estas dificultades surgen a menudo cuando se desea
maximizar o minimizar una función sujeta a condiciones exteriores fijos
o restricciones. El método de los multiplicadores de Lagrange sirve
para resolver esta clase de problemas sin la necesidad de resolver
explícitamente las condiciones y los utilizan para eliminar las variables
adicionales.
Para decirlo más sencillamente, no es por lo general suficiente para
preguntar: "¿Cómo puedo minimizar el aluminio necesario para hacer
esta lata?" (La respuesta a eso es claramente "Hacer un muy, muy
pequeño puede!") ¡Tienes que preguntar: "¿Cómo puedo minimizar el
aluminio mientras se asegura la lata celebrará 10 onzas de sopa ? " O
del mismo modo, "¿Cómo puedo maximizar el beneficio de mi fábrica
dado que sólo tiene $ 15.000 a invertir ? " O, para tomar un ejemplo
más sofisticado ", ¿Cuánto tarda en llegar a la montaña rusa de la
tierra suponiendo que se mantiene en el camino ? " En general, los
multiplicadores de Lagrange son útiles cuando algunas de las variables
en la descripción más sencilla de un problema son despedidos por las
restricciones.
Campo de Aplicación
Economía

La optimización reprimida desempeña un papel central en
la economía. Por ejemplo, el problema selecto para un
consumidor se representa como uno de maximizar una
función de utilidad sujeta a una coacción de presupuesto
. El multiplicador Lagrange tiene una interpretación
económica como el precio de la oposición asociado con
la coacción, en este ejemplo la utilidad marginal de
ingresos . Otros ejemplos incluyen la maximización de la
ganancia para una firma, junto con varias aplicaciones
macro-económicas.

Teoría de control
En la teoría de control óptimo , los
multiplicadores de Lagrange se
interpretan como constates
variables, y los multiplicadores de
Lagrange se formulan de nuevo
como la minimización del
hamiltoniano , en el principio
mínimo de Pontryagin.
La función de producción de Cobb- Douglas para un
cierto fabricante viene dada por
donde x
denota las unidades de trabajo (Q. 150.00 unidades) e y
las unidades de capital (Q 250.00 la unidad) Hallar el
máximo nivel de producción admisible para este
fabricante, si tiene el coste conjunto de trabajo y capital
limitado a Q50000.00

Ejemplo 1
Averiguar las dimensiones del paquete rectangular
de máximo volumen sometido a la restricción de
que la suma de su longitud y el perímetro de la
sección transversal no exceda 108 pulgadas.

Ejemplo 2
Diferencias entre los metodos
MUCHAS GRACIAS
POR SU ATENCION

Más contenido relacionado

La actualidad más candente

Extremos de funciones de dos variables
Extremos de funciones de dos variablesExtremos de funciones de dos variables
Extremos de funciones de dos variablesEliana Acurio Mendez
 
Métodos de programación no lineal
Métodos de programación no linealMétodos de programación no lineal
Métodos de programación no linealIbrahim Portillo
 
2 reglas heuristicas
2 reglas heuristicas2 reglas heuristicas
2 reglas heuristicasbramdom005
 
Clase 06 aplicaciones de ecuaciones diferenciales
Clase 06  aplicaciones de ecuaciones diferencialesClase 06  aplicaciones de ecuaciones diferenciales
Clase 06 aplicaciones de ecuaciones diferencialesJimena Rodriguez
 
Transformadas de laplace 1
Transformadas de laplace 1Transformadas de laplace 1
Transformadas de laplace 1Utp arequipa
 
Distribuciones de tiempos_de_residencia_en_reactores_quimicos
Distribuciones de tiempos_de_residencia_en_reactores_quimicosDistribuciones de tiempos_de_residencia_en_reactores_quimicos
Distribuciones de tiempos_de_residencia_en_reactores_quimicosDany Hdz
 
Métodos de Diferencias Finitas
Métodos de Diferencias FinitasMétodos de Diferencias Finitas
Métodos de Diferencias FinitasDavid Solis
 
Análisis gráfico interpretación
Análisis gráfico  interpretaciónAnálisis gráfico  interpretación
Análisis gráfico interpretaciónCarlosjmolestina
 
Ecuaciones Diferenciales de1er Orden
Ecuaciones Diferenciales de1er Orden Ecuaciones Diferenciales de1er Orden
Ecuaciones Diferenciales de1er Orden Angel Guevara Orozco
 
Programación lineal
Programación linealProgramación lineal
Programación linealUNL
 
Act 10 tc vicky cárdenas colorado introduccion y conclusiones
Act 10 tc vicky cárdenas colorado introduccion  y  conclusionesAct 10 tc vicky cárdenas colorado introduccion  y  conclusiones
Act 10 tc vicky cárdenas colorado introduccion y conclusionesAlfredo Pedroza
 
Ecuaciones diferenciales con coeficientes constantes
Ecuaciones diferenciales con coeficientes constantesEcuaciones diferenciales con coeficientes constantes
Ecuaciones diferenciales con coeficientes constantesseralb
 
Ecuaciones diferenciales-orden-superior
Ecuaciones diferenciales-orden-superiorEcuaciones diferenciales-orden-superior
Ecuaciones diferenciales-orden-superiorSabena29
 

La actualidad más candente (20)

Ecparciales
EcparcialesEcparciales
Ecparciales
 
Optimización
OptimizaciónOptimización
Optimización
 
Extremos de funciones de dos variables
Extremos de funciones de dos variablesExtremos de funciones de dos variables
Extremos de funciones de dos variables
 
Métodos de programación no lineal
Métodos de programación no linealMétodos de programación no lineal
Métodos de programación no lineal
 
2 reglas heuristicas
2 reglas heuristicas2 reglas heuristicas
2 reglas heuristicas
 
Clase 06 aplicaciones de ecuaciones diferenciales
Clase 06  aplicaciones de ecuaciones diferencialesClase 06  aplicaciones de ecuaciones diferenciales
Clase 06 aplicaciones de ecuaciones diferenciales
 
Optimización. Métodos numéricos
Optimización. Métodos numéricosOptimización. Métodos numéricos
Optimización. Métodos numéricos
 
Reactor batch f
Reactor batch fReactor batch f
Reactor batch f
 
Transformadas de laplace 1
Transformadas de laplace 1Transformadas de laplace 1
Transformadas de laplace 1
 
Distribuciones de tiempos_de_residencia_en_reactores_quimicos
Distribuciones de tiempos_de_residencia_en_reactores_quimicosDistribuciones de tiempos_de_residencia_en_reactores_quimicos
Distribuciones de tiempos_de_residencia_en_reactores_quimicos
 
Métodos de Diferencias Finitas
Métodos de Diferencias FinitasMétodos de Diferencias Finitas
Métodos de Diferencias Finitas
 
Ed lineal
Ed linealEd lineal
Ed lineal
 
Análisis gráfico interpretación
Análisis gráfico  interpretaciónAnálisis gráfico  interpretación
Análisis gráfico interpretación
 
Ecuaciones Diferenciales de1er Orden
Ecuaciones Diferenciales de1er Orden Ecuaciones Diferenciales de1er Orden
Ecuaciones Diferenciales de1er Orden
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Investigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación LinealInvestigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación Lineal
 
Act 10 tc vicky cárdenas colorado introduccion y conclusiones
Act 10 tc vicky cárdenas colorado introduccion  y  conclusionesAct 10 tc vicky cárdenas colorado introduccion  y  conclusiones
Act 10 tc vicky cárdenas colorado introduccion y conclusiones
 
Ecuaciones diferenciales con coeficientes constantes
Ecuaciones diferenciales con coeficientes constantesEcuaciones diferenciales con coeficientes constantes
Ecuaciones diferenciales con coeficientes constantes
 
Coeficientes constantes
Coeficientes constantesCoeficientes constantes
Coeficientes constantes
 
Ecuaciones diferenciales-orden-superior
Ecuaciones diferenciales-orden-superiorEcuaciones diferenciales-orden-superior
Ecuaciones diferenciales-orden-superior
 

Similar a Condiciones de Lagrange y Tucker

Kuhn Tucker y Lagrange
Kuhn Tucker y LagrangeKuhn Tucker y Lagrange
Kuhn Tucker y LagrangeRenier007
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeAlbrtoo Vsqz
 
Kuhn tucker
Kuhn tucker Kuhn tucker
Kuhn tucker maryolith
 
Optimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloOptimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloGenesis Chacin Esteves
 
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.Daniel Paz
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeDanny Quintero
 
Lagrange y kunh tucker
Lagrange y kunh tuckerLagrange y kunh tucker
Lagrange y kunh tuckerRaniels
 
Edixon presentacion
Edixon presentacionEdixon presentacion
Edixon presentacionmedina08
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeAndreina Arteaga
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeAndreina Arteaga
 
optimizacion y funciones
optimizacion y funciones optimizacion y funciones
optimizacion y funciones pirela87
 
Condiciones de Kuhn Tucker y Lagrange
Condiciones de Kuhn Tucker y LagrangeCondiciones de Kuhn Tucker y Lagrange
Condiciones de Kuhn Tucker y LagrangeEugenio Lugo
 
Método Kuhn Tucker y Lagrange
Método Kuhn Tucker y LagrangeMétodo Kuhn Tucker y Lagrange
Método Kuhn Tucker y Lagrangegilfrennys9208
 
Presentación optimizacion de sistema
Presentación optimizacion de sistemaPresentación optimizacion de sistema
Presentación optimizacion de sistemaDiRossalez
 

Similar a Condiciones de Lagrange y Tucker (20)

Kuhn Tucker y Lagrange
Kuhn Tucker y LagrangeKuhn Tucker y Lagrange
Kuhn Tucker y Lagrange
 
Optimizacion
OptimizacionOptimizacion
Optimizacion
 
LaGrange.
LaGrange.LaGrange.
LaGrange.
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrange
 
Kuhn tucker
Kuhn tucker Kuhn tucker
Kuhn tucker
 
Optimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloOptimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo Caolo
 
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.
Metodo lagrange & kuhn tucker - Optimizacion de sistemas y funciones.
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrange
 
Lagrange y kunh tucker
Lagrange y kunh tuckerLagrange y kunh tucker
Lagrange y kunh tucker
 
Edixon presentacion
Edixon presentacionEdixon presentacion
Edixon presentacion
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrange
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrange
 
Optimizacion
OptimizacionOptimizacion
Optimizacion
 
optimizacion y funciones
optimizacion y funciones optimizacion y funciones
optimizacion y funciones
 
Metodos
MetodosMetodos
Metodos
 
Condiciones de Kuhn Tucker y Lagrange
Condiciones de Kuhn Tucker y LagrangeCondiciones de Kuhn Tucker y Lagrange
Condiciones de Kuhn Tucker y Lagrange
 
Método Kuhn Tucker y Lagrange
Método Kuhn Tucker y LagrangeMétodo Kuhn Tucker y Lagrange
Método Kuhn Tucker y Lagrange
 
Formulación
FormulaciónFormulación
Formulación
 
Programacionnolineal
Programacionnolineal Programacionnolineal
Programacionnolineal
 
Presentación optimizacion de sistema
Presentación optimizacion de sistemaPresentación optimizacion de sistema
Presentación optimizacion de sistema
 

Condiciones de Lagrange y Tucker

  • 1. El Método de KUHN TUCKER y LAGRANGE Realizado por: Darlene Herrera C.I.: 16.170.579
  • 2. Historia de Kuhn-Tucker Albert William Tucker (28 de noviembre de 1905 – 25 de enero de 1995) fue un matemático estadounidense nacido en Canadá que realizó importantes contribuciones a la Topología, Teoría de juegos y a la Programación no lineal. Condiciones de Kuhn-Tuvker fue desarrollado por Albert William Tucker y complementada por Harold Kuhn, quien permitió mejoras en el proceso, pero se le adjudico un papel secundario.
  • 3. Definición de las condiciones Las condiciones de Karush-Kuhn-Tucker (también conocidas como las condiciones KKT o KuhnTucker) son condiciones necesarias y suficientes para que la solución de un problema de programación matemática sea óptima. Se dice estas son una generalización del método de los multiplicadores de Lagrange.
  • 4. Importancia de Kuhn-Tucker La importancia de este teorema radica en que nos dice que podemos asociar una función de utilidad a unas preferencias, esto nos abre la puerta de la potente herramienta del análisis matemático al estudio del comportamiento del consumidor.
  • 5. Un comerciante puede comprar hasta 17.25 onzas de un producto o químico a 10 dólares cada onza. Se puede convertir una onza d el producto químico A en una onza del producto I a un costo de 3 dólares a onza. Asimismo, una onza del químico A se puede convertir en una onza del producto II a un costo de 5 dólares la onza. Si se producen x1 onzas del producto I se venderá a 30 − x1 dólares la onza, mientras que si se producen x 2 onzas del producto II se venderá a 50 − x 2 dólares la onza. Determine cómo el comerciante puede maximizar sus ganancias. Variables de Decisión: ■ x1 = Onzas del producto I producidas ■ x 2 = Onzas del producto II producidas Objetivo Max z = x1 (30 − x1) + x 2 (50 − x 2) − 3 x1 − 5 x 2 − 10 ( x1 + x 2) Restricciones x1 + x 2 ≤ 17.25, 0 ≤ x1, 0 ≤ x 2 Ejemplo 1
  • 6. Así: f = x1 (30 − x1) + x 2 (50 − x 2) − 3 x1 − 5 x 2 − 10 ( x1 + x 2) g1 = x1 + x 2 − 17.25 ≤ 0 g 2 = − x1 ≤ 0 g 3 = − x 2 ≤ 0 Las condiciones de KKT que debe satisfacer el óptimo son (Observe que se uso el criterio para maximizar con − f ; por tanto, los multiplicadores no deben ser negativos):
  • 7. Resolviendo el sistema anterior con Maple obtenemos los siguientes puntos. En la tabla se tabula cada una de las restricciones evaluada en el p unto correspondiente. Recuerde que las λ s deben ser no negativas y las restricciones deben cumplirse (gi ≤ 0 ): Ejemplo 1
  • 8. Campo de Aplicación Básicamente el procedimiento consiste en resolver el problema no lineal como uno sin restricciones, luego si la solución óptima de dicho problema no cumple la totalidad o parte de las restricciones del problema se activan dichas restricciones (en conjunto y/o secuencialmente) y se resuelve nuevamente. Esto se repite hasta llegar a un conjunto de restricciones activas cuya solución también satisface las restricciones omitidas. Notar que si se han activado la totalidad de restricciones sin encontrar una solución factible, entonces el problema es infectable. Esta característica particular de los modelos no lineales permite abordar problemas donde existen economías o de economías de escala o en general donde los supuestos asociados a la proporcionalidad no se cumplen.
  • 9. Historia de Lagrange Joseph Louis Lagrange, fue un matemático, físico y astrónomo italiano que después vivió en Rusia y Francia. Lagrange demostró el teorema del valor medio, desarrolló la mecánica Lagrangiana y tuvo una importante contribución en astronomía.
  • 10. Los Multiplicadores de Lagrange En los problemas de optimización, los multiplicadores de Lagrange nombrados así en honor a Joseph Louis Lagrange, son un método para trabajar con funciones de varias variables que nos interesa maximizar o minimizar, y está sujeta a ciertas restricciones. Este método reduce el problema restringido en n variables en uno sin restricciones de n + 1 variables cuyas ecuaciones pueden ser resueltas. Este método introduce una nueva variable escalar desconocida, el multiplicador de Lagrange, para cada restricción y forma una combinación lineal involucrando los multiplicadores como coeficientes. Su demostración involucra derivadas parciales, o bien usando diferenciales totales, o sus parientes cercanos, la regla de la cadena. El fin es, usando alguna función implícita, encontrar las condiciones para que la derivada con respecto a las variables independientes de una función sea igual a cero.
  • 11. Utilidad del método Uno de los problemas más comunes en el cálculo es el de encontrar máximos o mínimos (en general, "extremos") de una función, pero a menudo es difícil encontrar una forma cerrada para la función que se está extremando. Estas dificultades surgen a menudo cuando se desea maximizar o minimizar una función sujeta a condiciones exteriores fijos o restricciones. El método de los multiplicadores de Lagrange sirve para resolver esta clase de problemas sin la necesidad de resolver explícitamente las condiciones y los utilizan para eliminar las variables adicionales. Para decirlo más sencillamente, no es por lo general suficiente para preguntar: "¿Cómo puedo minimizar el aluminio necesario para hacer esta lata?" (La respuesta a eso es claramente "Hacer un muy, muy pequeño puede!") ¡Tienes que preguntar: "¿Cómo puedo minimizar el aluminio mientras se asegura la lata celebrará 10 onzas de sopa ? " O del mismo modo, "¿Cómo puedo maximizar el beneficio de mi fábrica dado que sólo tiene $ 15.000 a invertir ? " O, para tomar un ejemplo más sofisticado ", ¿Cuánto tarda en llegar a la montaña rusa de la tierra suponiendo que se mantiene en el camino ? " En general, los multiplicadores de Lagrange son útiles cuando algunas de las variables en la descripción más sencilla de un problema son despedidos por las restricciones.
  • 12. Campo de Aplicación Economía La optimización reprimida desempeña un papel central en la economía. Por ejemplo, el problema selecto para un consumidor se representa como uno de maximizar una función de utilidad sujeta a una coacción de presupuesto . El multiplicador Lagrange tiene una interpretación económica como el precio de la oposición asociado con la coacción, en este ejemplo la utilidad marginal de ingresos . Otros ejemplos incluyen la maximización de la ganancia para una firma, junto con varias aplicaciones macro-económicas. Teoría de control En la teoría de control óptimo , los multiplicadores de Lagrange se interpretan como constates variables, y los multiplicadores de Lagrange se formulan de nuevo como la minimización del hamiltoniano , en el principio mínimo de Pontryagin.
  • 13. La función de producción de Cobb- Douglas para un cierto fabricante viene dada por donde x denota las unidades de trabajo (Q. 150.00 unidades) e y las unidades de capital (Q 250.00 la unidad) Hallar el máximo nivel de producción admisible para este fabricante, si tiene el coste conjunto de trabajo y capital limitado a Q50000.00 Ejemplo 1
  • 14. Averiguar las dimensiones del paquete rectangular de máximo volumen sometido a la restricción de que la suma de su longitud y el perímetro de la sección transversal no exceda 108 pulgadas. Ejemplo 2