Documente Academic
Documente Profesional
Documente Cultură
INTRODUCCION A LA OPTIMIZACION
(parte I)
BIBLIOGRAFIA
Barbolla, Cerdá y Sanz
Sydsaeter y Hammond
Conjunto de soluciones
factibles (CSF)
Función objetivo
Se trata de buscar, de entre todos los puntos posibles, aquellos que asignen “el
mejor” valor a nuestra función.
2
2
Para una función en R :
Max Global
Max Local
min local
Max Global
Max Local
1 5
min local
min local
min global
Observa que el mínimo que antes era local ahora es global, pues hemos
cambiado el conjunto de soluciones factibles.
5
3
En R
Máximos Globales
mínimos globales
mínimo global
6
Queremos saber
Teorema de existencia
de soluciones
Cuándo podemos asegurar que existe solución?
OBJETIVO
8
EXISTENCIA DE SOLUCIONES. Teorema de Weierstrass.
9
x+y 1, x 0, y 0 El conjunto es compacto. Como la función
objetivo es continua, seguro que el
programa tiene al menos un Máximo y un
mínimo global.
2
y2
opt e x
Ejemplo. Sea el programa ( x, y ) R 2
Si representamos la función
11
CONJUNTOS CONVEXOS
No es convexo No es convexo 13
FUNCIONES CONVEXAS Y CONCAVAS
Función cóncava en R3 15
15
Definición. Sea f : S Rn R donde S es un conjunto convexo.
Diremos que f es convexa en S si y sólo si
x , y S , f ( x (1 ) y ) f ( x ) (1 ) f ( y ), [0,1]
16
Función estrictamente convexa R 2 Función convexa R 2
19
Podemos decir alguna cosa más sobre las funciones cóncavas y convexas.
Geométricamente, una función cóncava se caracteriza porque la
diferencial siempre aproxima por exceso (es decir, los planos tangentes
están siempre “encima” de la gráfica de la función)
Plano tangente
f ( x ) f ( x0 ) f ( x0 )( x x0 ) f ( x ) f ( x0 ) f ( x0 )( x x0 ), x , x0 S
20
En el caso de las funciones convexas, la diferencial siempre aproxima por defecto
(es decir, los planos tangentes están siempre “debajo” de la gráfica de la función)
Plano tangente
f ( x ) f ( x0 ) f ( x0 )( x x0 ) f ( x ) f ( x0 ) f ( x0 )( x x0 ), x , x0
21
21 S
Función ni cóncava ni convexa
22
¿Cómo trabajaremos entonces?
• Los dos elementos de la diagonal son mayores o iguales que cero (para
cualquier punto del dominio)
• El determinante es positivo (para cualquier punto del dominio)
26
Podemos definir conjuntos convexos a partir de funciones cóncavas-convexas
de la siguiente manera:
x ))
Si el conjunto es de la forma ff (( x cc prueba que la
2. función f ( x ) es convexa. Sus conjuntos bajo nivel serán
convexos.
F ( x, y) x 2 y 2
2 0
HF ( x, y) ( x, y) DP
0 2
Función
convexa
x2 y 2 1
Conjunto
convexo
29
F ( x, y ) x1/ 2 y1/ 2
Función
cóncava
x1 / 2 y1 / 2 1
conjunto
convexo
30
Observa que, sin embargo, los conjuntos anteriores NO SON
convexos si se permite sólo la igualdad:
NO convexo
x2 y 2 1
NO convexo
x1/ 2 y1/ 2 1
31
Observa: el conjunto f ( x ) c puede ser convexo aunque la función no sea cóncava.
Por ejemplo, la función f(x,y)=xy no es cóncava ni convexa (diapositiva 24) pero su
conjunto sobre nivel en el primer cuadrante es convexo:
xy 1
xy=1
33