¿Cómo optimizamos en varias variables?

Introducción
La optimización intenta dar respuesta a un tipo general de problemas donde se
desea elegir el mejor entre un conjunto de elementos. En su forma más simple, el
problema equivale a resolver una ecuación de este tipo:

Donde x = (x1,...,xn) es un vector y representa variables de decisión, f(x) es llamada

función objetivo y representa o mide la calidad de las decisiones (usualmente números
enteros o reales) y Ω es el conjunto de decisiones factibles o restricciones del
problema.

Algunas veces es posible expresar el conjunto de restricciones Ω como solución de un

sistema de igualdades o desigualdades.

Un problema de optimización trata entonces de tomar una decisión óptima para

maximizar (ganancias, velocidad, eficiencia, etc.) o minimizar un criterio determinado
(costos, tiempo, riesgo, error, etc). Las restricciones significan que no cualquier
decisión es posible.

Según el nivel de generalidad que tome el problema, nos encontramos los siguientes
tipos de optimizaciones:

 Optimización clásica: En este campo nos moveremos en este artículo. Si la

restricción no existe, o es una restricción de igualdad, con menor o igual
número de variables que la función objetivo entonces, el cálculo
diferencial, da la respuesta, ya que solo se trata de buscar los valores
extremos de una función.

 Optimización con restricciones de desigualdad: Si la restricción contiene mayor

cantidad de variables que la función objetivo, o la restricción contiene
restricciones de desigualdad, existen métodos en los que en algunos casos se
pueden encontrar los valores máximos o mínimos.Si tanto restricciones como

1
 función objetivo son lineales (Programación lineal), la existencia de máximo
(mínimo), esta asegurada, y el problema se reduce a la aplicación de unos
simples algoritmos de álgebra lineal elemental los llamados método simplex; y
método dual. Sin embargo, si estas condiciones no se cumplen, existen, las
llamadas condiciones de Khun -Tucker, las cuales en algunos casos, pueden
ser utilizables, para probar encontrar puntos críticos, máximos o mínimos. Las
condiciones de Karush-Kuhn-Tucker (también conocidas como las
condiciones KKT o Kuhn-Tucker) son condiciones necesarias y suficientes para
que la solución de una programación no lineal séa óptima. Es una
generalización del método de los Multiplicadores de Lagrange

 Optimización estocástica: Cuando las variables del problema (función objetivo

y/o restricciones) son variables aleatorias el tipo de optimización realizada es
optimización estocástica.

 Optimización con información no perfecta: La cantidad de variables, o más

aún la función objetivo puede ser desconocida o también variable.

Este tipo de optimización Lagrange lo aplica al campo de la Astronomía, en el estudio

de los denominados puntos L o puntos de libración, que son las cinco posiciones en
un sistema orbital donde un objeto pequeño sólo afectado por la gravedad puede
estar teóricamente estacionario respecto a dos objetos más grandes, como es el caso
de un satélite artificial con respecto a la Tierra y la Luna. Los puntos de Lagrange
tamarcan las posiciones donde la atracción gravitatoria combinada de las dos masas
grandes proporciona la fuerza centrípeta necesaria para rotar sincrónicamente con la
menor de ellas. Son análogos a las órbitas geosincrónicas que permiten a un objeto
estar en una posición "fija" en el espacio en lugar de en una órbita en que su posición
relativa cambia continuamente.

Una definición más precisa pero técnica es que los puntos de Lagrange son las
soluciones estacionarias del Problema de los tres cuerpos restringido a órbitas
circulares. Si, por ejemplo, se tienen dos cuerpos grandes en órbita circular alrededor
de su centro de masas común, hay cinco posiciones en el espacio donde un tercer
cuerpo, de masa despreciable frente a la de los otros dos, puede estar situado y
mantener su posición relativa respecto a los dos cuerpos grandes. Visto desde un
sistema de referencia giratorio que rota con el mismo período que los dos cuerpos co-
orbitales, el campo gravitatorio de dos cuerpos grandes combinado con la fuerza
centrífuga se compensa en los puntos de Lagrange, permitiendo al tercer cuerpo estar
estacionario con respecto a los dos primeros.

2
1.- Teorema de multiplicadores de Lagrange
El teorema de los multiplicadores de Lagrange es el instrumento teórico más
clásico, y el primero desde el punto de vista histórico, para resolver problemas de
optimización con restricciones.

Su creador, Joseph-Louis Lagrange (Turín, 1736 – París, 1813),

Lagrange utilizó por primera vez la técnica de los multiplicadores para resolver
problemas del cálculo de variaciones en su célebre tratado Méchanique Analitique, en
el cual dotó a la Mecánica de un formalismo analítico adecuado, y posteriormente lo
expuso en su no menos célebre obra sobre cálculo diferencial. El teorema en cuestión,
bien conocido, trata de la maximización (o minimización) de una función de varias
variables,

bajo restricciones de igualdad

Suponiendo que tanto la función objetivo como las restricciones son continuamente
diferenciables en un óptimo local

del problema y que la matriz jacobiana

tiene rango , el teorema establece la existencia de

3
llamados multiplicadores de Lagrange, tales que

El uso típico que se hace del teorema de los multiplicadores de Lagrange en los
cursos de Análisis Matemático para la resolución de problemas de optimización con
restricciones de igualdad como veremos en los problemas resueltos.

El papel que juegan los multiplicadores de Lagrange en este planteamiento se reduce

al de meras variables auxiliares, carentes de todo interés intrínseco salvo el de hacer
posible el cálculo de potenciales óptimos locales. Sin embargo, los multiplicadores de
Lagrange poseen un importante significado matemático, que resulta especialmente
relevante en problemas de tipo económico.

Un tipo de problema muy habitual es el de planificación de actividades a partir de unos

recursos disponibles y una cierta tecnología. Supongamos que se trata de determinar
las cantidades

de ciertos outputs, que se producen a partir de inputs de los que se disponen

cantidades

de forma que se maximice el beneficio

4
5
6
7
8
9
10
11
12
13
14
15
Bibliografía
 Webs:

http://www.wikipedia.org
http://www.google.com
http://www.satd.uma.es

 Libros de consulta:

Negro, A. y Benedicto C. (1982). Matemáticas 3º BUP. Editorial Alhambra.

Castellet, M. y Llerena , J. (1991). Álgebra y Geometría. Editorial Reverté.
Rey Pastor, J. y Babini, J. Historia de la matemática. Gedisa Editorial
Ruiz López, F. “Las Matemáticas en la Naturaleza”. Editorial Poseidón.
K. Sydsaeter, P. J. Hammond. ” Matemáticas para el Análisis Económico”. Editorial
Prentice hall.
Diacu, F.: The solution of the n-body Problem, The Mathematical
Intelligencer,1996,18,p.66–70

16