Sunteți pe pagina 1din 2

CLASE UZUALE DE MODELE

Modele neliniare

Aparatul matematic utilizat n cadrul modelrii este deosebit de variat. Cel mai frecvent
ns, n elaborarea deciziilor se folosesc metode ale programrii matematice -domeniul care
elaboreaz teoria i metodele numerice de rezolvare a problemelor de extremum
multidimensionale cu restricii, adic a problemelor de extremum al funciilor de mai multe
variabile cu restricii n ceea ce privete domeniul de variaie. Programarea matematic grupeaz
o clas foarte mare de probleme de optimizare care s-au dezvoltat de sine stttor i apeleaz la
metode specifice de rezolvare. Astfel, fr pretenia de a cuprinde ntregul domeniu, putem
aminti: programarea liniar, programarea convex, programarea neliniar, programarea
dinamic, probleme de programare n reea, programarea discret, programarea stochastic etc.
ntre diferitele tipuri de probleme exist strnse legturi (de exemplu programarea liniar face
parte din programarea convex, care la rndul ei este o parte a programrii neliniare etc.),
programarea matematic ncepnd s semene din ce n ce mai mult cu o teorie unitar a
problemelor de extremum.
Modele neliniare un proces economic prezint neliniariti atunci cnd efectele nu sunt
proporionale cu cauzele, adic atunci cnd regula de trei simpl nu se poate aplica referitor la
intrrile i ieirile sistemului. n comparaie cu un model liniar, n care funciile matematice care
definesc restriciile i criteriul de optim sunt funcii liniare, n modelele neliniare, cel puin una
dintre acestea este o funcie neliniar. Liniaritatea n modelarea economic este foarte adesea o
ipotez simplificatoare, care nu permite surprinderea unor specificiti economice ca existena
economiilor de scar, riscul n situaii de incertitudine, efectele cumulative datorate timpului .a.
Un model neliniar are urmtoarea form general:
Maxf (x1, x2,...,xn)
(MN) gi (x1,x2,...,xn) 0, i = 1,2,...,p
hj (x1, x2,...,xn) = 0, j = 1,2,...,q
unde f,gi i hj sunt funcii reale, nu toate liniare. Se observ deci c modelele liniare sunt cazuri
particulare ale (MN).
Notm cu S = {x R gi (x) 0, hj(x) = 0}, mulimea valorilor admisibile, adic
mulimea tuturor vectorilor din R care verific restriciile (MN). Rezolvarea unui model neliniar
presupune gsirea unui vector x* S, astfel nct f(x) f(x*), oricare ar fi x S. Existena unui
astfel de vector este asigurat de teorema lui Weierstrass: dac f este o funcie continu i S o
mulime compact, atunci (MN) are o soluie optimal.
Existena soluiei optime nu ridic probleme deoarece n modelele economice condiiile
teoremei sunt adesea verificate. Simplul fapt c optimul exist nu este ns suficient. Modelatorul
trebuie s poat gsi acel optim, sau, cel puin, s-l caracterizeze prin relaii care vor primi o
interpretare economic. n astfel de cazuri se aplic metode variaionale, prin care se studiaz
comportamentul funciei f ntr-o vecintate a punctului cruia i se testeaz optimalitatea. Aceasta
este numai o analiz local, n vecintatea punctului considerat. Problema modelatorului este
de a ti dac analiza local este suficient pentru a caracteriza optimul global.
Optimul local se definete, deci, ca un vector y S pentru care exist o vecintate V(y)
teorema Kuhn Tucker care stabilete condiiile necesare de optim n modelele neliniare.
Condiiile suficiente pentru optimul global sunt ndeplinite n problemele de optimizare convex.
Un rol esenial n nelegerea modelelor neliniare l joac noiunea de gradient.
Definiie: Fie f : R R o funcie difereniabil. Se numete gradient n punctul x0, un
f(x0) ale crui componente sunt derivatele pariale ale funciei f n punctul
x0 f(x0) = ( f(x0)/ x1, f(x0)/ x2,..., f(x0)/ xn ).
Observm c dac f este o funcie liniar de forma f(x) = cjxj , gradientul lui
f este vectorul (c1, c2,...,cn).
Din punct de vedere geometric, n spaiul R, gradientul n punctul x0 arat dreapta de cea
mai mare pant care trece prin acest punct. Un punct x, vecin cu x0 i situat pe direcia
gradientului corespunde la o valoare f(x) f(x0).