INSTITUTO

TECNOLOGICO DE ACAPULCO

MATERIA: INVESTIGACION DE OPERACIONES

TEMA: UNIDAD 3 PROGRAMACION NO LINEAL
ALUMNO:
GRUPO: 14:00-15:00
PROFESOR: JUAN MANUEL RODRIGUEZ VAZQUEZ

INDICE
UNIDAD 3 PROGRAMACION NO LINEAL

3.1 CONCEPTOS BASICOS DE PROBLEMAS DE

PROGRAMACION LINEAL
3.2 ILUSTRACION GRAFICA DE PROBLEMAS DE

PROGRAMACION NO LINEAL
3.3 TIPOS DE PROBLEMAS DE PROGRAMACION NO LINEAL
3.4 OPTIMIZACION CLASICA
3.4.1 PUNTOS DE INFLEXION
3.4.2 MAXIMOS Y MINIMOS

UNIDAD 3 Programacin no Lineal

La programacin lineal ha demostrado ser una herramienta
sumamente poderosa, tanto en la modelizacin de problemas de la
vida real como en la teora matemtica de amplia aplicacin. Sin
embargo, muchos problemas interesantes de optimizacin son no
lineales. El estudio de estos problemas implica una mezcla diversa
de lgebra lineal, clculo multivariado, anlisis numrico y tcnicas
de computacin. Entre las reas especiales importantes se
encuentra el diseo de algoritmos de computacin (incluidas las
tcnicas de puntos interiores para programacin lineal), la geometra
y el anlisis de conjuntos convexos y funciones, y el estudio de
problemas especialmente estructurados, tales como la programacin
cuadrtica. La optimizacin no lineal proporciona informacin

fundamental para el anlisis matemtico, y se usa extensamente en

las ciencias aplicadas (en campos tales como el diseo de
ingeniera, el anlisis de regresin, el control de inventario y en la
exploracin geofsica).

3.1 Conceptos bsicos de problemas de programacin no lineal.

Programacin no lineal: es el proceso de resolucin de un

sistema de igualdades y desigualdades sujetas a un conjunto de
restricciones sobre un conjunto de variables reales desconocidas,
con una funcin objetivo a maximizar, cuando alguna de las
restricciones o la funcin objetivo no son lineales.

Qu es una funcin: una funcin es una cosa que hace algo.

Por ejemplo, una mquina de moler caf es una funcin que
transforma los granos de caf en polvo. La funcin (objetivo) traza,
traduce el dominio de entrada (denominado regin factible) en un
rango de salida con dos valores finales denominados valores mximo
y mnimo.

El mtodo Simplex es un algoritmo de solucin muy utilizado

para resolver programas lineales. Es la solucin algortmica inicial
para resolver problemas de Programacin Lineal (PL). Este es una
implementacin eficiente para resolver una serie de sistemas de
ecuaciones lineales. Mediante el uso de una estrategia ambiciosa
mientras se salta desde un vrtice factible hacia el prximo vrtice
adyacente, el algoritmo termina en una solucin ptima.

Un algoritmo es una serie de pasos para cumplir con una tarea

determinada.

Regin de Factibilidad Ilimitada: Tal y como se mencion

anteriormente, aprenda que una solucin ilimitada requiere una
regin de factibilidad cerrada ilimitada. La situacin inversa de este
enunciado podra no ocurrir. Por ejemplo, el siguiente problema de
PL tiene una regin de factibilidad cerrada ilimitada, sin embargo, la
solucin es limitada.


Redundancia Entre las Restricciones: Redundancia significa
que algunas de las restricciones no son necesarias dado que existen
otras ms severas.

3.2
ILUSTRACION
GRAFICA
PROGRAMACION NO LINEAL

DE

PROBLEMAS

DE

Ilustracin grafica de problemas de programacin no lineal.

Cuando un problema de programacin no lineal tiene solo una o dos
variables, se puede representar grficamente de forma muy parecida
a algn ejemplo anterior de programacin lineal. Se vern unos
cuantos ejemplos, ya que una representacin grfica de este tipo
proporciona una visin global de las propiedades de las soluciones
optimas de programacin lineal y no lineal. Con el fin de hacer
hincapi en las diferencias entre programacin lineal y no lineal, se
usaran algunas variaciones no lineales del problema anterior.

3.3 Tipos de problemas de programacin no lineal.

Si la funcin objetivo f es lineal y el espacio restringido es un
politopo, el problema es de Programacin lineal y puede resolverse
utilizando alguno de los bien conocidos algoritmos de programacin
lineal.
Si la funcin objetivo es cncava (problema de maximizacin), o
convexa (problema de minimizacin) y el conjunto de restricciones es
convexo, entonces se puede utilizar el mtodo general de
Optimizacin convexa.
Existe una variedad de mtodos para resolver problemas no
convexos. Uno de ellos consiste en utilizar formulaciones especiales
de problemas de programacin lineal. Otro mtodo implica el uso de
tcnicas de Ramificacin y poda, cuando el problema se divide en
subdivisiones a resolver mediante aproximaciones que forman un
lmite inferior del coste total en cada subdivisin. Mediante

subdivisiones sucesivas, se obtendr una solucin cuyo coste es

igual o inferior que el mejor lmite inferior obtenido por alguna de las
soluciones aproximadas. Esta solucin es ptima, aunque
posiblemente no sea nica. El algoritmo puede ser parado antes, con
la garanta de que la mejor solucin ser mejor que la solucin
encontrada en un porcentaje acotado. Ello se utiliza en concreto en
problemas importantes y especialmente difciles y cuando el
problema cuenta con costes inciertos o valores donde la
incertidumbre puede ser estimada en un grado de fiabilidad
apropiado.
Las condiciones de Karush-Kuhn-Tucker proporcionan
condiciones necesarias para que una solucin sea ptima.

las

Los problemas de programacin no lineal se presentan de muchas

formas distintas. Al contrario del mtodo simplex para programacin
lineal, no se dispone de un algoritmo que resuelva todos estos tipos
especiales de problemas. En su lugar, se han desarrollado algoritmos
para algunas clases (tipos especiales) de problemas de
programacin no lineal.

Optimizacin no restringida.

Optimizacin linealmente restringida.

Programacin separable.

Entre otras

3.4 OPTIMIZACION CLASICA

Representacin de mximos y mnimos en una funcin con una sola

variable, tcnicas de optimizacin clsica, Mtodo de derivadas
restringidas (Jacobiano), Mtodo de Newton, explicacin del mtodo
simplex, programacin no lineal, mtodos de gradiente.
Optimizacin clsica

Si la restriccin no existe, o es una restriccin de igualdad, con

menor o igual nmero de variables que la funcin objetivo entonces,
el clculo diferencial, da la respuesta, ya que solo se trata de buscar
los valores extremos de una funcin.
3.4.1 Puntos de inflexin
Si f y f' son derivables en a, a es un:
Punto de inflexin
Si f'' = 0
y f''' 0
Clculo de los puntos de inflexin
Para hallar los puntos de inflexin, seguiremos los siguientes pasos:
1. Hallamos la derivada segunda y calculamos sus races.
2. Realizamos la derivada tercera, y calculamos el signo que toman
en ella los ceros de derivada segunda y si:
f'''(x) 0 Tenemos un punto de inflexin.
3. Calculamos la imagen (en la funcin) del punto de inflexin.
Ejemplo
Hallar los puntos de inflexin de:
f(x) = x3 3x + 2
f''(x) = 6x 6x = 0 x = 0.
f'''(x) = 6 Ser un punto de inflexin.
f(0) = (0)3 3(0) + 2 = 2
Punto de inflexin: (0, 2)
Si ya hemos estudiado la concavidad y convexidad de una funcin
habr:
Puntos de inflexin en los puntos en que sta pasa de cncava a
convexa o viceversa.

Ejemplo
Calcular los puntos de inflexin de la funcin:
Tenemos un punto de inflexin en x = 0, ya que la funcin pasa de
convexa a cncava.
Punto de inflexin (0, 0)