Marcelo de Sales Pessoa

Otimizao
Otimizao Esttica
Mximo Irrestrito
Def.: Mximo local : r o mximo local de uma funo n(r) se, 8 r 2
[ r c, r + c] , com c 0, n( r) n(r).
Def.: Mximo absoluto: r o mximo absoluto de uma funo n(r) se, 8
r 2 domnio de n(.) , n( r) n(r).
Resultados:
Seja n(.) funo duas vezes continuamente diferencivel em [a, /]. Seja r 2
[a, /].
1. r um mximo local ) n
0
( r) = 0 e n
00
( r) 0.
2. Para n(r) estritamente cncava, n
0
( r) = 0 , r um mximo local.
obs.: Para encontrar o mximo de uma funo num intervalo [a, /]:
1o: Encontrar os pontos crticos: valores r; n
0
( r) = 0.
2o: Vericar se n
00
( r) 0.
3o: Comparar n( r) com n(a) e n(/).
Caso multidimensional
Seja n(r) = n(r
1
, r
2
, ..., r
n
) duas vezes continuamente diferencivel.
Resultados
1. r = ( r
1
, r
2
, ..., r
n
) mximo )
@u( x)
@xi
= 0 8i.
Def.: Gradiente: Vetor de derivadas parciais de uma funo:
1n =
2
6
6
4
@u( x)
@x1
.
.
.
@u( x)
@xn
3
7
7
5
Ento, a condio 1 :
1n = 0
2. Para n(r) estritamente cncava, r mximo, 1n = 0.
3. Se a matriz hessiana de n(.) for negativa denida, n(r) estritamente
cncava.
Def.: Matriz Hessiana: a matriz de derivadas parciais de segunda ordem
de uma funo.
Seja ) (r
1
, ..., r
n
) . Ento,
1
H ()) =
2
6
6
6
6
6
6
4
@
2
f
@x
2
1
@
2
f
@x1@x2
...
@
2
f
@x1@xn
@
2
f
@x2@x1
@
2
f
@x
2
2
...
.
.
.
.
.
. ...
.
.
.
.
.
.
@
2
f
@x1@xn
... ...
@
2
f
@x
2
n
3
7
7
7
7
7
7
5
Def.: Matriz Negativa-Denida: uma matriz negativa-denida se e somente
se todos os seus autovalores forem negativos.
Mximo Restrito com Igualdade
Suponha n(.) : 1
n
!1 e q (.) : 1
n
!1 duas vezes continuamente diferen-
civeis. Problema:
max
x1;:::;xn
n(r
1
, r
2
, ..., r
n
)
:.a q(r
1
, r
2
, ..., r
n
) = a
Primeira Soluo: Usando a Funo Implcita: 4 formas:
1) Use a restrio para fazer de uma das variveis uma funo implcita das
demais e substitua essa varivel na funo a ser maximizada.
q(r
1
, r
2
, ..., r
n
) = a
)r
1
= ~ r
1
(r
2
, ..., r
n
)
Def.: Funo Implcita: uma funo denida implicitamente por uma
equao tal como:
1(r
1
, ..., r
n
) = 0
Faa:
n(r
1
, r
2
, ..., r
n
) = n(~ r
1
(r
2
, ..., r
n
) , r
2
, ..., r
n
)
= ~ n(r
2
, ..., r
n
)
Agora, para ~ n(.) estritamente cncava, se
@~ u(:)
@xi
= 0 8i = 2, ..., :, estaremos
no mximo local.
Temos:
Def. Derivada Total: para n(r
1
, ..., r
n
) ,
dn
dr
i
=
0n(.)
0r
1
0r
1
0r
i
+
0n(.)
0r
2
0r
2
0r
i
+ ... +
0n(.)
0r
i
0r
i
0r
i
+ ... +
0n(.)
0r
n
0r
n
0r
i
=
0n(.)
0r
1
0r
1
0r
i
+
0n(.)
0r
i
2
pois apenas r
1
funo de r
i
.
2) Usando a derivada total, a condio 1) ser:
0~ n(.)
0r
i
=
dn
dr
i
=
0n(.)
0r
1
0~ r
1
0r
i
+
0n(.)
0r
i
= 0 (1)
8i = 2, ..., :.
Temos:
Def.: Teorema da funo implcita: para
q(r
1
, r
2
, ..., r
n
) a = 0
Se
0q (.)
0r
1
6= 0
Ento, podemos fazer:
r
1
= ~ r
1
(r
2
, ..., r
n
)
q(~ r
1
(r
2
, ..., r
n
) , r
2
, ..., r
n
) a = 0
e
0~ r
1
0r
i
=
@g(:)
@xi
@g(:)
@x1
8i = 2, ..., :.
3) Ento, se aplicarmos o teorema da funo implcita condio 2), teremos:
0n(.)
0r
1

@g(:)
@xi
@g(:)
@x1
!
+
0n(.)
0r
i
= 0
)
@u(:)
@xi
@u(:)
@x1
=
@g(:)
@xi
@g(:)
@x1
(2)
8i = 2, ..., :.
4) Podemos observar a condio 3) da seguinte forma:
0n(.)
0r
i
=

0n(.) ,0r
1
0q (.) ,0r
1

0q (.)
0r
i
,
0n(.)
0r
i
= j
0q (.)
0r
i
(3)
3
Ento,
1n( r) = j1q ( r)
onde:
r = [ r
1
... r
n
]
1n =
2
6
6
4
@u(:)
@x1
.
.
.
@u(:)
@xn
3
7
7
5
1q =
2
6
6
4
@g(:)
@x1
.
.
.
@g(:)
@xn
3
7
7
5
Soluo Grca
O gradiente de uma funo um campo vetorial que aponta na direo das
maiores taxas de crescimento dessa funo.
Tambm pode ser visto como o vetor perpendicular ao plano tangente a uma
funo num determinado ponto:
Segunda Soluo: Funo Lagrangiana
Adicionar o fator de proporcionalidade vezes a restrio funo a ser max-
imizada:
1 = n(r
1
, ..., r
n
) + j(a q (r
1
, ..., r
n
))
Encontrar o vetor com o mximo usando as restries:
01
0r
i
= 0 8i = 1, ...:
01
0j
= 0
ou seja,
4
11 = 0
Ento,
1(n( r) + j(a q ( r))) = 0
Resultado
O gradiente um operador linear.
Def.: 1 um operador linear se, 8 c
i
constante e 8 )
i
(.) funo,
1

X
i
c
i
)
i
(.)
!
= c
i
1)
i
(.)
Ento, temos:
11 = 1(n( r) + j(a q ( r))) = 0
,1n( r) = j1q ( r)
Interpretao do multiplicador de Lagrange
Temos:
dn
da
=
0n(.)
0r
1
0 r
1
0a
+ ... +
0n(.)
0r
n
0 r
n
0a
=
n
X
i=1
0n(.)
0r
i
0 r
i
0a
No ponto timo:
0n(.)
0r
i
= j
0q (.)
0r
i
Ento, temos:
dn
da
= j
n
X
i=1
0q (.)
0r
i
0r
i
0a
Como
dq (.)
da
= 1 )
n
X
i=1
0q (.)
0r
i
0r
i
0a
= 1
Assim,
dn
da
= j
5
Portanto, j o preo-sombra da restrio, o quanto o relaxamento da re-
strio modica a utilidade a partir do ponto timo.
Possveis formas de solucionar o problema com restrio com igualdade:
1) 1~ n = 0
2)
0n(.)
0r
1
0~ r
1
0r
i
+
0n(.)
0r
i
= 0 8i
3)
@u(:)
@xi
@u(:)
@x1
=
@g(:)
@xi
@g(:)
@x1
8i
4) 1n( r) = j1q ( r)
5) 11 = 0
Mximo Restrito com Desigualdade
Condies de Karush-Kuhn-Tucker
Suponha n(.) : 1
n
!1 e q
i
(.) : 1
n
!1 8i = 1, ..., : duas vezes continua-
mente diferenciveis.
Problema:
max
x1;:::;xn
n(r
1
, r
2
, ..., r
n
) (4)
:.a q
i
(r
1
, r
2
, ..., r
n
) a
i
8i = 1, ..., :
Teorema de Karush-Kuhn-Tucker:
Condies necessrias
Se r = ( r
1
, ..., r
n
) for soluo do problema (4) , ento, existe um conjunto
de : multiplicadores de Lagrange j
i
tais que:
a) 1n(.) =
m
X
i=1
j
i
1q
i
(.) , 8i = 1, ..., : com
/) j
i
0, q
i
(.) a
i
8i = 1, ..., :
c) j
i
[a
i
q
i
(.)] = 08i = 1, ..., :
Condies sucientes
1) Funo de utilidade cncava;
2) Restries formando um conjunto convexo: fq
i
(.) a
i
g
m
i=1
.
Def.: Conjunto Convexo: C um conjunto convexo se 8 fr
i
g
n
i=1
2 C e 8
fc
i
g
m
i=1
tal que
P
m
i=1
c
i
= 1, ento
P
m
i=1
c
i
r
i
2 C.
6