Universidad de Chile

Facultad de Ciencias Forestales Depto: Manejo de Recursos Forestales Curso: "Investigacin de Operaciones - II"

Programacin NO Lineal Prof. J. Barrios M. -- Noviembre del 2002.

En la programacin no lineal (PNL) lo que se quiere es encontrar el ptimo de una funcin objetivo f(x) de n variables, no lineal, sujeto o no sujeto a restricciones arbitrarias de las n variables del problema. Dicho de otra manera la PNL pretende encontrar el mximo y/o el mnimo de una funcin no lineal f(x) de n variables en que se puede tener o no variadas restricciones para las n variables. Recordemos que una funcin real f(x) de n variables es funcin lineal si ella es una suma ponderada de las n variables de f(x). Es decir, f(x) es funcin lineal si tiene la forma: a1x1 + a2x2 + ......... + anxn ; con ai IR , i . O bien, f(x) es funcin lineal si satisface la condicin de linealidad: f( u + v ) = f(u) + f(v); , IR ; u,v IRn . Lo anterior permite entender o decir que una funcin no lineal es aquella que no es funcin lineal en el sentido establecido en el prrafo anterior. Mx f(x); s.a: g1(x) (< = > ) b1, .... gm(x) (< = > ) bm con x IRn , f(x) IR , m 0, n 1, f funcin real no lineal Mx f(x); s.a: g1(x) (< = > ) b1, .... gm(x) (< = > ) bm con x IRn , f(x) IR , m 0, n 1, f funcin real no lineal

No hay un mtodo general que permita resolver siempre un problema de programacin no lineal, por lo que la PNL se estudia a travs de casos. Y, los principales 3 casos son: i)Sin restricciones, ii)Con restricciones en igualdad, iii)Con restricciones en desigualdad. Dentro de cada uno de los casos se pueden distinguir subcasos. Caso 1: Sin restricciones. Los extremos de una funcin de n variables con valores reales pueden ser la solucin de un modelo de programacin no lineal. Su forma es: Mx (f(x)) x IRn Min (f(x)) x IRn

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 2 / 8

Para ubicar sus extremos relativos se plantea la condicin de primer orden:

f x1 : : f xn

= 0

= 0

Sistema de n ecuaciones que resulta de igualar a cero las n derivadas parciales de f, cuyas soluciones dan el punto crtico, o los puntos crticos, si es que existen, entre los que estn las soluciones posibles del problema. (En un extremo relativo de f(x) se cumple que todas sus derivadas parciales valen cero; condicin necesaria pero no suficiente, como Ud. sabe). fx1 x2 .... ..... fx1 xn fx1 x1 fx 2 xn fx 2 x1 fx 2 x2 .... .... Luego, se obtiene el Hessiano H = y se evala en : : .... .... : fx x fx n xn n 1 fx n x2 .... .... cada punto crtico que se obtuvo. Por ejemplo: x0 Si H(x0) es definida, f tiene extremo en x0; y, Si H(x0) es definida positiva, f tiene MINIMO en x0. Si H(x0) es definida negativa, f tiene MAXIMO en x0. Si H(x0) no es definida, entonces f(x) no tiene extremo en x0. Una matriz A = (aij)nxn es definida si todos los valores propios i de ella son de un mismo signo; ya sea todos positivos o todos negativos. Una matriz A se dice definida positiva si i > 0; i. Una matriz A se dice definida negativa si i < 0; i. Una matriz A se dice semi definida positiva si
i

0; i.

Una matriz A se dice semi definida negativa si i 0; i. Ejemplo - 1 Determinar extremos de f ( x, y ) = fx = fy =

x3 + xy 2 + x 2 15 x 3

x2 + y2 + 2x - 15 = 0 Si y = 0, x2 + 2x - 15 = 0 2xy =0 (x-3) (x+5) = 0 P1 (3,0) P2 (-5,0)

2y 2x

Si x = 0, y2 - 15 = 0 P3 (0,15) P2 (0,- 15)

2x + 2 H = 2y 8 H (3,0) = 0

0 que es definida positiva Existe MINIMO local en P1 (3,0) y vale: -27 6

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 2 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 3 / 8

8 H ( 5,0) = 0

0 que es definida negativa Existe MAXIMO local en P2 (-5,0) y 10

vale: 127/3
2 H (0, 15 ) = 2 15 2 15 det(H) = -60 < 0, H no es definida 0

2 2 15

2 15 2 = 2 60 = 0

<0 2 4 + 240 1 2 > 0 2

no extremo en P3 (0,15) De manera similar no extremo en P4 (0,-15) Ejemplo - 2 Se producen y venden 2 artculos A y B a $2 y $12 por unidad con un costo fijo de $4. El costo de producir x artculos A es: x2, y de producir y artculos B es 3y2 Cul es la produccin que maximiza la utilidad? G(x,y) = 2x + 12y - (x2 + 3y2 + 4)

G = 2 2x = 0 x = 1 x G = 1 2 6 y = 0 y = 2 y

2 H = 0

0 Que es definida negativa 6

Existe Mximo local en (1,2) y es de: G(1,2)=9. Si consideramos un costo adicional por produccin conjunta de los x artculos A y de los y artculos B, y ste es de $kxy, se pide determinar condiciones para k de modo que la utilidad G tenga un punto mximo. G = 2x+12y-x2-3y2-kxy-4
Gx = 2 2 x ky = 0 Gy = 12 6 y kx = 0 2 x + ky = 2 kx + 6 y = 12

Que tiene solucin nica si: 12 - k2 0; k 23

12 (1 k ) 2(12 k ) , y es: 2 12 k 2 12 k

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 3 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 4 / 8

2 H = k

k 2 ; det(H- I) = k 6

k 6 k

= 2+8 +12-k2=0

8 64 4(12 k 2 ) 2

= -4 4+k2

Para que H sea definida negativa se debe cumplir que: -4 + 4+k2 < 0 4+k2 <16 k2 <12 -23 < k < 23 Si la constante k ( -23 , 23 ) , el Hessiano es definido negativo y existe un mximo para G. En este caso G tendr un mximo local en el punto en que Gx = Gy = 0.
Ejemplo - 3. Valor del vino, o del bosque.

El valor del vino aumenta a medida que transcurre el tiempo, como ocurre con el recurso bosque, y su valor esta dado por: V=Ket ; t se mide en aos, (por ejemplo).
El valor futuro siempre ir en aumento, pero sabemos que el valor presente o actual de dineros a recibir a futuro es diferente, y normalmente es menor. Ello, porque es preferible recibir hoy dineros que recibirlos en el futuro, ya que hoy puede invertirlos a una cierta tasa de inters. Para sacar el valor actual de ingresos futuros se utiliza la frmula: VP=VF(1+i)-n donde VP es el valor presente o valor actual, VF el valor nominal futuro, i es la tasa de inters en tanto por uno, n es el nmero de perodos que faltan para que se tenga el valor VF. Esta frmula es cuando la variable tiempo se mide en unidades discretas, meses, aos.

Para variables de comportamiento continuo la frmula es: VP = VF * e-rt ; donde t es el tiempo que falta para tener el valor VF, r es la tasa de inters para la actualizacin. Por lo que el valor actual del valor del vino a futuro esta dado por: A(t) = V* e-rt = K* e
dA = Ke dt 1 r= 2 t
t rt

t - rt

Su derivada y punto donde se hace cero, es:

1 * r =0 2 t

1 = (2r ) 2 t

t=

1 4r 2

Por lo que si r = 0.10 mensual (10%), entonces t = 25 meses.

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 4 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 5 / 8

Si r = 0.03 mensual (3%), entonces t = 278 meses = 23 aos 2 meses Esto significa que a una tasa de actualizacin del 10% mensual, es conveniente vender el vino a los 25 meses. A una tasa del 3% mensual es conveniente venderlo a lo 23 aos t 2 meses; todo esto si el precio del vino a futuro es de V=Ket . Suponga ahora que el valor del bosque esta dado por: V=10*2 t ; t 1 Donde t se mide en aos, y V se mide en UF /H . Si hay una tasa de inters real del 12% anual, Cul es el momento ptimo para vender el bosque?. Valor_Actual = A = V*e-rt = 10 * 2 t * e-rt
ln( 2) dA ln( 2) = 10 * 2 t e rt * r + 10 * 2 t e rt * = 10 * 2 t e rt r dt 2 t 2 t = 10 * 2 e
t rt

ln( 2) ln( 2) ln( 2) ln( 2) r = 0 =r t = t* = 2r 2 t 2r 2 t

con r = 12% = 0.12 con r = 5% = 0.05

t* = 8.34119 aos t* = 48.045 aos

con r = 7.5% = 0.075 t* = 21.35 aos

Ejemplo - 4. Caso unidimensional, no restringido.

Un comerciante mayorista debe decidir que cantidad x de un producto A debe comprar cada da, semana, mes, para satisfacer la demanda esperada diaria, y maximizar su ganancia. Por datos empricos, a la demanda D se le ha asociado una funcin de densidad de probabilidad (D) con 0 D y (D) 0 y cumple con: ( D )dD =1 0 Solucin: D: demanda del producto A de D unidades x: compra de x unidades del producto A. (con D y x expresado en miles de unidades) Las ventas sern: D si x >D Ventas = x si x D si el costo unitario de compra es $c y es de $p el precio de venta unitario (c<p), entonces el ingreso del mayorista es: pD si x > D Ingreso = px si x D y su ganancia es:
Prof. J.BarriosM. Nov. -- 2002. Pg.: 5 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 6 / 8

pD - cx Ganancia = px - cx

si x > D (vende la demanda D y haba comprado mas) si x D (vende lo que haba comprado x, y la demanda)

Con la demanda aleatoria, la funcin objetivo, ingreso esperado diario esta dado por: G ( x, D ) = ganancia ( x, D )( D ) dD 0
G ( x, D ) = ( pD Cx )( D ) dD +
0 x + x

( px Cx )( D ) dD

Con esta funcin objetivo G, para encontrarle un mximo, se tiene que su derivada debe ser cero, y:
x + dG = c( D ) dD + ( p c) x( x) + ( p c )( D )dD ( p c ) x( x ) 0 x dx

Sea

( D)dD
0

= x ) ; como (

( D)dD =1 ( D )dD =1 ( D )
x

dG = c( x ) + ( p c) ( D )dD = 0 x dx

-c (x) + (p-c) (1- (x) ) = -c (x) = -c (x) + p - c - p (x) + c (x) = 0 p*( 1 - (x) ) = c 1 - (x) = c/p (x*) = c/p - 1

Y este es el punto crtico, nico x* donde G(x,D) tiene su valor mximo. Caso particular 1.Si ( D) =
2 ;d en miles y c=$35, p=$150 ( D +1)
2

Entonces, Cul es la cantidad de unidades diarias a comprar que maximiza la ganancia? Veamos primero que (D) es una funcin de distribucin de probabilidad (su probabilidad acumulada debe ser 1)

( D ) dD =

2 2 dD = ( D +1)
2

dD 2 = arctg( D ) 2 D +1

D = D =0

(arctg( ) arctg( 0)) =

2 * 0 = 1 (Asi, (D) es funcin de distrib. de prob). 2

El mximo estar en x*, donde:

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 6 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 7 / 8

( x * ) = 1

c 35 150 35 115 =1 = = = 0.766 p 150 150 150

x* 0

2 2 dD = arctg( D ) D +1
2

arctg( x*) 0 =

115 150

arctg( x*) =

115
2 * 150

= 1.204276

x*=50.29465 rad Caso particular 2.-

x*=0.8778 Resp.: debe comprar 878 unidades.

La probabilidad de tener una demanda D en un da esta dada por: 2 ( D) = 2 ; D 2 D

2 2 dD = 2 D D

= lim

2 2 + =1 b b 2

Por lo que es funcin de densidad de probabilidad. Si el precio de venta es $2A y el de compra es $A entonces, la cantidad ptima a comprar cada da esta dada por: (x*) = 1 - c/p = 1 - A/2A =

x*

2 1 dD = 2 2 D
x* 2

2 D

1 2

2 1 +1 = * 2 x 2 1 = x* 2

x* = 4

Si el precio de venta es $kA y el de compra es $ A, entonces:

2 D
x* 2

=1

A 1 =1 kA k

2 1 * +1 = 1 k x

x*= 2k

Resp.: Debe comprar 2k unidades.

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 7 / 8

Investigacin de Operaciones - I; Apuntes de Programacin No Lineal;

Pg.: 8 / 8

Teorema de Leibnitz
, x Sea I(x)= ( x ) f ' x ( x ) d a
b( x)

funcin definida por la integral dependiente de x en los

lmites y en el integrando. Entonces

dI ( x ) =
b( x)

a( x)

f x (, x ) dx + f (b( x ), x )

db ( x ) da ( x ) f ( a ( x ), x ) dx dx

Ejemplo 1) Aplicacin Teorema de L. Sea I(x)= ( pD cx )( D ) dD 0 Entonces

x dI ( x ) dx = c( D ) dD + ( px cx )( x ) ( p * 0 cx )(0) 0 dx dx
x x

c( D )dD + ( p c ) x( x )

Ejemplo 2 Sea I(x)= ( px cx )( D ) dD x Entonces

dI ( x ) db dx = ( p c ) ( D )dD + lim ( p c ) x (b) ( p c ) x ( x) x b dx dx dx

( p c)( D ) dD ( p c) x( x )

Ejercicio de Tarea Si el valor de venta del vino a travs del tiempo es: V = Ke2 t y los bancos estn ofreciendo el 5% de inters real al ao por los depsitos que captan, Cunto tiempo convendr almacenarlo y venderlo?. Si el cortar el bosque tiene un valor de $ 3 t/2 .en UF/H. Cul es el momento ptimo para cortarlo si se tiene como tasa del mercado una tasa real del 9% anual?.

Prof. J.BarriosM.

Nov. -- 2002.

Pg.: 8 / 8