a propósito del estado su relevancia y definiciones
Introducción a las tecnicas de optimización
1. MATEM´ATICAS PARA LA EMPRESA II
TEMA 4: Introducci´on a las t´ecnicas de
optimizaci´on
2. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Contenidos
1 Planteamiento de un problema de optimizaci´on
2 Resoluci´on gr´afica
3 Teorema de Weierstrass para funciones de varias variables
4 Conjuntos convexos. Funciones convexas
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
3. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Planteamiento de un problema de optimizaci´on
Un problema de optimizaci´on (de maximizaci´on o de minimizaci´on)
(P) se escribe
Optimizar (maximizar o minimizar) z = f (x1, x2, ..., xn)
sujeta a (s.a): (x1, x2, ..., xn) ∈ F
con f : Dom(f ) ⊂ Rn → R y F ⊂ Dom(f ).
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
4. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Elementos de un problema de optimizaci´on
El subconjunto F ⊂ Dom(f ) se llama conjunto factible,
admisible, de alternativas, de soluciones o de posibilidades.
La funci´on f que valora cada (x1, x2, ..., xn) ∈ F es la funci´on
objetivo del problema y las variables independientes de f , las
variables de elecci´on del problema.
Cada (x1, x2, ..., xn) ∈ F es una soluci´on o una soluci´on
factible del problema (P).
Cuando F = Dom(f ) el problema (P) se dice de optimizaci´on sin
restricciones y en el resto de los casos optimizaci´on con
restricciones.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
5. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Definiciones
Dado un problema (P), se denota como x = (x1, x2, ..., xn)
cualquier soluci´on factible de F. Sea x0 = (x0
1 , x0
2 , ..., x0
n ) ∈ F
entonces:
1 Se dice que el punto x0 ∈ F es un m´ınimo local o relativo de
un problema (P), si para soluciones x pr´oximas a x0, se
cumple f (x0) ≤ f (x).
2 Se dice que el punto x0 es un m´aximo local o relativo de un
problema (P), si para soluciones x pr´oximas a x0, se cumple
f (x0) ≥ f (x).
3 Se dice que el punto x0 es un m´ınimo global o absoluto de un
problema (P), si para todo x ∈ F se cumple f (x0) ≤ f (x).
4 Se dice que el punto (x0) es un m´aximo global o absoluto de
un problema (P), si para todo x ∈ F se cumple f (x0) ≥ f (x)
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
6. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Un problema de optimizaci´on (P) de dos variables se puede
resolver gr´aficamente. Para ello, se procede del siguiente modo:
1 Se representa el conjunto factible, F, en el plano.
2 Se representan algunas curvas de nivel de la funci´on objetivo
que corten a F.
3 Si el problema es de minimizaci´on, el conjunto de puntos
intersecci´on de la curva de menor nivel y el conjunto factible
F es la soluci´on del problema.
An´alogamente, si se trata de un problema de m´aximizaci´on, la
soluci´on se encontrar´a en el conjunto de puntos intersecci´on
de la curva de mayor nivel y F.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
7. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
http://www.geogebratube.org/student/mJsf3ehv4
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
8. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
http://www.geogebratube.org/student/mJsf3ehv4
http://www.geogebratube.org/student/mhhauhrp8
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
9. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
http://www.geogebratube.org/student/mJsf3ehv4
http://www.geogebratube.org/student/mhhauhrp8
http://www.geogebratube.org/student/meU1IG92q
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
10. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
http://www.geogebratube.org/student/mJsf3ehv4
http://www.geogebratube.org/student/mhhauhrp8
http://www.geogebratube.org/student/meU1IG92q
http://www.geogebratube.org/student/mRkYYjX1c
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
11. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
http://www.geogebratube.org/student/mJsf3ehv4
http://www.geogebratube.org/student/mhhauhrp8
http://www.geogebratube.org/student/meU1IG92q
http://www.geogebratube.org/student/mRkYYjX1c
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
12. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Observaciones
1 No siempre existe una curva de menor nivel que corte el
conjunto factible. An´alogamente respecto a la curva de mayor
nivel. Es decir, no siempre podemos resolver el problema de
minimizaci´on o de maximizaci´on, respectivamente.
2 Al igual que se obtienen ´optimos globales gr´aficamente se
pueden obtener ´optimos relativos de modo gr´afico.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
13. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Teorema de Weierstrass
Sea un problema (P). Si F ⊂ Dom(f ) es un conjunto cerrado y
acotado y f es una funci´on continua en F, entonces el problema
tiene al menos un m´aximo y un m´ınimo absolutos en el conjunto
factible F.
Observaciones
Este teorema da condiciones suficientes que aseguran la
existencia de soluciones factibles donde la funci´on objetivo
alcanza su valor m´ınimo (m´ınimo absoluto) o su valor m´aximo
(m´aximo absoluto).
No dice d´onde se alcanzan los extremos absolutos.
Si un problema de optimizaci´on no verifica las hip´otesis de este
teorema no quiere decir que el problema no tenga soluci´on.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
14. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Definiciones
El segmento cerrado de extremos x, y ∈ Rn es el conjunto:
[x, y] = {tx + (1 − t)y ∈ Rn
: 0 ≤ t ≤ 1}
En R, R2 y R3 un segmento cerrado coincide con la idea
geom´etrica de segmento.
Un subconjunto A ⊆ Rn se dice convexo cuando para todo
par de puntos x, y ∈ A, el segmento cerrado que los tiene por
extremos est´a incluido en A.
En R, R2 y R3 los conjuntos convexos no tienen huecos ni
hendiduras.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
15. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Definiciones
Sea a ∈ R y sea c = (c1, ..., cn) ∈ Rn un vector no nulo, se
define un hiperplano de Rn como el subconjunto
Π = {x = (x1, · · · , xn) ∈ Rn
: c1x1 + · · · cnxn = a}
En R2
los hiperplanos son las rectas, por ejemplo −3x + y = 5.
En R3
los planos, por ejemplo 4x + y − z = 0.
Se llama semiespacio cerrado al subconjunto
Π+
= {x = (x1, · · · , xn) ∈ Rn
: c1x1 + · · · + cnxn ≥ a}
Π−
= {x = (x1, · · · , xn) ∈ Rn
: c1x1 + · · · + cnxn ≤ a}
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
16. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Propiedades
1 Los hiperplanos y semiespacios son conjuntos convexos.
2 La intersecci´on de conjuntos convexos de Rn es un conjunto
convexo.
Ejemplos
En el plano, son convexos pol´ıgonos como el cuadrado, el
rect´angulo, el hex´agono regular, el c´ırculo,...
Nos son convexos, la circunferencia, la corona circular,...
En el espacio, son convexos los poliedros regulares macizos, la
esfera maciza,... y no es convexo el toro (como un donut),...
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
17. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Definiciones
Sea S ⊂ Rn un conjunto convexo y sea f : S → R una funci´on
continua. Entonces:
i) f se dice convexa en S cuando
f (tx + (1 − t)y) ≤ tf (x) + (1 − t)f (y) con x, y ∈ S, y
t ∈ [0, 1]
ii) f se dice c´oncava en S cuando
f (tx + (1 − t)y) ≥ tf (x) + (1 − t)f (y) con x, y ∈ S, y
t ∈ [0, 1]
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
18. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Propiedad: La matriz hessiana como herramienta para el estudio de
la convexidad de funciones
Sean S un conjunto convexo y f : S ⊂ Rn → R una funci´on
continua en S y con parciales continuas hasta orden 2 en el interior
de S. Entonces:
1 Si Hf (x0) es definida negativa, entonces la funci´on f es
c´oncava hacia abajo en x0 ∈ S.
2 Si Hf (x0) es definida negativa, entonces la funci´on f es
c´oncava hacia arriba en x0 ∈ S.
3 La funci´on f es convexa en S si y solo si Hf (x) es definida
positiva o semidefinida positiva para todo x perteneciente al
interior de S.
4 La funci´on f es c´oncava en S si y solo si Hf (x) es definida
negativa o semidefinida negativa para todo x perteneciente al
interior de S.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on
19. Planteamiento de un problema de optimizaci´on
Resoluci´on gr´afica
Teorema de Weierstrass para funciones de varias variables
Conjuntos convexos. Funciones convexas
Propiedades
1 Las funciones lineales son c´oncavas y convexas.
2 La combinaci´on lineal con coeficientes positivos de funciones
convexas (o c´oncavas) es una funci´on convexa (o c´oncavas).
3 Si f (x) es una funci´on convexa (o c´oncava), entonces −f (x)
es una funci´on c´oncava (o convexa).
4 Sean S ⊂ Rn un conjunto convexo, a ∈ R y f : S → R una
funci´on continua.
Si f es convexa en S, entonces el conjunto
Sa = {x ∈ S : f (x) ≤ a} es convexo.
Si f es c´oncava en S, entonces el conjunto
Sa
= {x ∈ S : f (x) ≥ a} es convexo.
MATEM´ATICAS PARA LA EMPRESA IITEMA 4: Introducci´on