PROGRAMACIÓN NO

LINEAL
DEFINICIONES BÁSICAS Y BUSQUEDA DE LA SECCIÓN AUREA
 Repaso de cálculo diferencial
Limites Continuidad Diferenciación

lim 𝑓 𝑥 = 𝐶 lim 𝑓 𝑥 = 𝑓(𝑎) 𝑓 𝑎 + ∆𝑥 − 𝑓(𝑎)

𝑛→𝑎 𝑛→𝑎 lim
𝑛→0 ∆𝑥
Si no cumple, f(x) es discontinua Si no existe el limite, entonces f(x) no
tiene derivada

Derivadas superiores Serie de Taylor Derivadas parciales

𝑓 𝑎+ℎ Para f(x1+x2…..+xn)

𝑛 𝑓 𝑥1 … 𝑥𝑖 + ∆𝑥𝑖 … 𝑥𝑛 − 𝑓(𝑥1 … 𝑥𝑖 … 𝑥𝑛)
Se le define a f’(x) como la =𝑓 𝑎 +෍
𝑓 𝑖 (𝑎)
ℎ′ +
𝑓 𝑛+1 (𝑝) 𝑛+1
ℎ
lim
𝑛→𝑥𝑖 ∆𝑥𝑖
primera derivara. De 𝑖!
𝑖=1
𝑛+1 ! 𝜕𝑦
= 𝜕𝑥𝑖
manera similar f’’(x) a la Para algún p entre a y a+h; 0≤h≤b-a
segunda derivada
 Conceptos preliminares
Un problema de programación no lineal se expresa de la siguiente manera:
Max (o Min)Z = f(x1, x2, ….. , xn) Diferencias entre PNL y PL
S.a:
PL PNL
g1(x1, X2, ….. , xn) (≤, =, o ≥) b1
La región factible es La región factible es
g2(x1, X2, ….. , xn) (≤, =, o ≥) b2 un conjunto convexo, un conjunto convexo,
entonces el punto la solución óptima no
: : : :
extremo de la región necesita ser un punto
gm(x1, X2, ….. , xn) (≤, =, o ≥) bm es el óptimo. extremo.

Extremo local
Para cualquier PNL, un punto factible
x=(x1, X2, ….. , xn) es un máximo local si para
ε suficientemente pequeña, cualquier
punto factible x’=(x’1, X’2, ….. , x’n) con
𝑥𝑖 − 𝑥𝑖′ < ε satisface f(x)≥f(x’)
 Funciones cóncavas y convexas
Función Convexa
Sea f(x1, x2, ….. , xn) una función
convexa en un conjunto convexo S
si para cualquier x’ y x” Є S.
f[cx’+(1-c)x”] ≤ cf(x’)+(1-c)f(x”)
Se cumple para 0 ≤ c ≤ 1.
Función Cóncava
Sea f(x1, x2, ….. , xn) una función
cóncava en un conjunto convexo S
si para cualquier x’ y x” Є S.
f[cx’+(1-c)x”] ≥ cf(x’)+(1-c)f(x”)
Se cumple para 0 ≤ c ≤ 1.

La función será La función será

convexa si y sólo cóncava si y
si el segmento sólo si el
de línea que segmento de
uno 2 puntos línea que uno 2
cuales quiera en puntos cuales
la curva, nunca quiera en la
está de bajo de curva, nunca
la curva. está arriba de la
curva.
Búsqueda de la sección aurea

Sea f(x) una función unimodal en [a, b] si para algún 𝑥 en [a, b], 𝑥 es el único
extremo local y ese máximo local es la solución del problema.
Al evaluar f(x) en dos puntos x1 y x2 (x1 < x2) en [a, b], se podrá reducir el
tamaño del intervalo en el que debe estar la solución, al evaluar x1 y x2 debe
ocurrir uno de estos casos.
Caso1: f(x1) < f(x2) Entonces 𝑥 Є (x1, b]
Caso2: f(x1) = f(x2) Entonces 𝑥 Є [a, x2). Debe diferenciarse en que parte la
función es creciente, para 𝑥 < x2
Caso3: f(x1) > f(x2) Entonces 𝑥 Є [a, x2]
Problema
Resolver el problema usando el método de sección áurea con un
intervalo de incertidumbre final que tiene una longitud menor a ¼.
Max Z = −𝑥 2 − 1
S.a: -1≤x ≤0.75

Resolución:
a=-1 y b=0.75.

1.75 0.618𝑘 < 0.25 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 > 4.06

Así se lleva a cabo las cinco iteraciones.
Por la fórmula:
X1 = b – (0.618)(b – a)
X2 = a – (0.618)(b – a)
X1 = -0.3315, f(x1) = -1.1099
X2 = 0.0815, f(x2) = -1.0066
Como f(x1) < f(x2) el intervalo de incertidumbre es (x1, b] = (-0.03315, 0.75] y se
tiene que x3 = x2. Longitud del intervalo es 0.75 + 0.3315 = 1.0815
x3 = x2 = 0.0815, f(x3) = f(x2) = -1.0016
X4 = -0.3315 + 0.618(1.0815) = 0.3369, f(x4) = 0.3369
Como f(x3) > f(x4), [-0.3315, 0.3316]
X5 = 0.3360 – 0.618(0.6684) = -0.0762, f(x5) = -1.0058
X6 = x3 = 0.0815
Siguiendo las iteraciones obtenemos los valores finales.
X9 = -0.0762, f(x9) = -1.0058
X10 = -0.016, f(x10) = -1.0003
Debido a que f(x10) > f(x9) el nuevo intervalo de incertidumbre es
(x9, 0.0815] = (-0.0762, 0.0815]
L5 = 0.0815 + 0.0762 = 0.1577 < 0.25
Por lo que la solución de:
Max Z = −𝑥 2 − 1
S.a: -1≤x ≤0.75
Esta en el intervalo de (-0.0762, 0.0815]