Existen múltiples campos de acción así como aplicaciones típicas para la

programación no lineal no. A continuación se resumen algunas de las muchas

existentes en el campo laboral:

PROGRAMACION NO LINEAL EN LA ARQUITECTURA O

CONSTRUCCION.

Localización de Instalaciones: Considere que una empresa distribuidora de

productos farmacéuticos requiere determinar la localización de una bodega que
funcionará como centro de distribución y abastecimiento para sus locales en el
país. En especial se busca estar a la menor distancia de los 3 principales
locales de venta al público denominados A, B y C, respectivamente. Las
coordenadas geográficas de dichos locales se presentan en el siguiente
gráfico:
Formule y resuelva un modelo de optimización que permita determinar la
localización óptima de la bodega y que minimiza la distancia a los distintos
locales de la empresa. Asuma que la bodega puede ser ubicada en cualquier
coordenada o punto del mapa.

Respuesta: Si consideramos como variables de decisión X e Y que

correspondan a las respectivas coordenadas de la bodega a instalar, se puede
definir el siguiente modelo de optimización no lineal sin restricciones, donde la
siguiente función objetivo de minimización de distancia (Min f(x,y)) queda
definido por:

PROGRAMACION NO LINEAL EN LA ECONOMIA

Las aplicaciones de la programación no lineal en economía son abundantes y
muy importantes, mostraremos primeramente que los multiplicadores de Kuhn-
Tucker pueden ser interpretados heurísticamente como los precios de
equilibrio, luego presentaremos dos aplicaciones, validas tanto por su
importancia en la teoría económica como por sus enseñanzas para la técnica
que estamos estudiando.
Interpretación de los multiplicadores de Kuhn-Tucker. Supongamos que la
función objetivo representa un costo que se intenta minimizar. Los argumentos
de la función son los insumos necesarios para producir cierto producto. Las
restricciones están definidas por la cantidad de recursos disponibles para la
producción. El programa seria un programa de minimización con restricciones
convexas del tipo:
gj (x) = 0; j = 1; 2; :::; m: Se ajusta al programa de maximización.
Aterrizando lo descrito anteriormente se presenta un ejemplo de cómo puede
ser usada un algoritmo de la programación no lineal en el campo de la
economía.
Ejemplo: seria el problema de minimizar costos (MC) por parte de una firma
competitiva, que produce un único producto.

La firma elegiría una cierta cantidad a producir y ∈ R; y sus correspondientes

insumos, que serian representados por un vector x ∈ Rn; en forma acorde con la
técnica de producción que posee, la que sería representada por una función f:
Rn → R . La firma elegiría x ∈ Rn tal que:
Minimizar: wx, (Maximizar: -wx).
Sujeto a:f ( x ) ≥ y ∧x ≥ 0.
Donde, w es el vector de precios (dado), admitimos w i> 0 i=1,2 … n; x el vector
de insumos, y (> 0) nivel del producto deseado, f(x) función de producción. Las
condiciones de primer orden (CPO), para este problema son:

Estas condiciones determinan la función de demanda,

x =x ( w , y ) tanto cuando a λ ( w , y ) .El conjunto factible para este problema es
C={ X : X ≥ 0 , F ( X ) ≥Y } . Suponga que existe x ≥ 0 al que f ¿ y esto es que se
cumple la condición de Slater. Si la función de producción es cóncava,
entonces la condición 1 es necesaria para la existencia de un óptimo local,
siendo además la función objetivo lineal, y por lo tanto cóncava, la condición es
también suficiente para un óptimo global.

Siendo f cóncava, y si se cumple la condición de Slater, entonces la condición 1

es necesaria y suficiente para la existencia de un optimo global. Obsérvese que
es perfectamente posible obtener una solución de esquina, esto es una
solución donde se cumpla la desigualdad estricta en (1); λ f i( x )< w en este caso
i

x i=0 .Puede pensarse que para la tecnología existente es un factor muy caro y
que por lo tanto no se usara.

En el caso en que se cumpla la igualdad:

La función demanda x i=x i ( w , y ) asicomo λ =λ (w, y), se determinan a partir del

teorema de la función implícita a partir del sistema (2).

PROGRAMACION NO LINEAL EN LA MICROECONOMIA.

Ejemplo:

El problema del consumidor p>0 y sea x (p, M) la solución del problema siendo
λ(p,M) el multiplicador de Lenguaje. En este caso σ= (p, M).la función de
utilidad del consumidor será u. Definimos:

U ( p , M )=u [ x ( p , M ) ] ( Funcion de Utilidad Directa)

La función lagrangiana seria:Φ=u ( x )+ λ ( M −px ) . por el teorema enterior tendremos :

Esto es multiplicador de lenguaje representa la utilidad margina del ingreso. Por
otra parte obtenemos:

Esto significa que un aumento en el precio disminuirá la satisfacción del

consumidor.

Las igualdades obtenidas nos permiten obtener la identidad de Roy.

PROGRAMACION NO LINEAL EN LA INGENIERIA ELECTRICA.

Los sistemas de energía eléctrica se extienden sobre naciones e incluso continentes

para asegurar el suministro eléctrico a la industria, los negocios y los hogares. A lo
largo de la red se encuentran situados aparatos de medida de diversos tipos. Los
voltímetros miden las tensiones con una cierta precisión. Se realiza una medida de
tensión, que se designa por ˆvi, en cada nudo i; su nivel de calidad viene determinado
por el parámetro σvi . Cuanto menor es σv
i , mayor es la precisión de la medida. Normalmente, las medidas de potencia activa se
toman en los extremos de cada línea. Tales medidas de potencia activa que circula
desde el nudo k hacia el nudo l de la línea k −l se denota ˆpkl y tiene un grado de
precisión indicado por
σp kl. Del mismo modo, las medidas de potencia reactiva se encuentran en ambos
extremos de toda línea y se indica por ˆqkl con un grado de precisión asociado al
parámetro σq kl. Además de la potencia activa, la potencia reactiva también viaja por
las líneas de potencia. La potencia reactiva es una variable relacionada con los valores
del voltaje. Si se dispone de suficiente potencia reactiva, el perfil del voltaje es
adecuado, pero si no, tal perfil se deteriora. Finalmente, si la potencia reactiva
disponible es mayor de la deseada, el perfil del voltaje se sobredimensiona. El estado
de la red de potencia se determina por los voltajes en los nodos. El valor del voltaje en
cada nodo es un número complejo, expresado normalmente en forma polar. El modulo
de este número complejo proporciona el valor del voltaje mientras que el ángulo es
una medida de la “altura” relativa de este nudo. Cuanto mayor es la altura de un nudo,
mayor es el flujo de la potencia activa desde este nudo hacia otros nudos conectados
con él.
Para conocer el estado de la red de potencia, es necesario conocer las variables de
estado. Típicamente se dispone de un número de medidas mayor que el mínimo
requerido. Pero tales medidas no son exactas. Un modo racional de proceder consiste
en usar todas las medidas para generar la mejor estimación del estado de la red. Los
voltajes (variables de estado) en la red se denotan por vi _ δi i ∈ Ω, donde vi es la
magnitud del voltaje; δi es el ángulo del voltaje; y Ω, el conjunto de nudos de la red.
Debe observarse que el ángulo de cualquier nudo fijo puede tomarse como el origen;
así se podrá δm = 0, donde m es un nudo arbitrario.

Ejemplo (estimación del estado de una red). Considérese un circuito de dos nudos y una única línea
conectándolos. La línea se caracteriza por la constante z12/ θ12 = 0.15/ 90°. Las magnitudes de las
mediciones de los voltajes en los nudos 1 y 2 son respectivamente 1.07y 1.01. Las mediciones de potencia
activa en ambos extremos de la línea son respectivamente 0.83 y 0.81, y las medidas de potencia reactiva
en ambos extremos son respectivamente 0.73 y
0.58.
El origen para los ángulos se toma en el nudo 2. Todos los aparatos medidores tienen idéntica precisión.
El problema de la estimación del estado de dicho circuito se formula minimizando
Sin restricción alguna. La solución de este problema es
v1 = 1.045
v2 = 1.033
δ1 = 0.002

PROGRAMACION LINEAL EN LA VIALIDAD.

SELECCIÓN DE UNA CARTERA DE INVERSIONES RIESGOSAS

Es ahora una práctica común entre los administradores de grandes carteras de

inversión usar, como guía, modelos de computadora basados en parte de
programación no lineal, debido a que los inversionistas se preocupan tanto
por el rendimiento esperado (ganancia), como por el riesgo asociado con su
inversión, la programación no lineal se usa para determinar una cartera que
ciertas suposiciones, proporcione un trueque optimo entre estos dos factor.
Este enfoque esta basado en gran parte en la novedosa investigación
realizada por Harry Markowitz y William Spencer, que los ayudo a ganar el
premio novel de economía 1990.

Se puede formular un modelo de la programación no lineal para este problema

de la siguiente manera. Suponga que se están tomando en cuenta n tipos de
acciones para incluirlas en la cartera; las variables de decisión X j (j = 1, 2…, n)
representan el numero de acciones j que se van a incluir. Sean µ j y σjj la media
y la varianza (estimadas) del rendimiento sobre cada acción del tipo j, en donde
σij mide el riesgo de estas acciones. Para i=1,2,…,n(i≠ j), sea σij la covarianza
del rendimiento sobre una acción de cada tipo i y j.(como seri difícil estimar
todas las σij, lo usual es hacer ciertas suposiciones sobre el comportamiento
del mercado que permita calcular σ ij directamente, a partir de σ ii y σjj. )Entonces,
el valor esperado R (x) y la varianza V(x) del rendimiento total de la cartera
completa son.

n
R(x) =∑ µ j X j
j=1
Y

n n
V(x) = ∑ ' ∑ σ ij Xi Xj,
i−1 i=1

PROGRAMACION NO LINEAL EN LA GEOMETRIA.

La bombilla
Una bombilla está situada justo encima del centro de un círculo de radio r.
Suponiendo que la intensidad de luz en cualquier punto de la circunferencia es proporcional a la raíz
cuadrada del seno del ángulo con el que el rayo de luz llega a tal punto, y al inverso de la distancia a la
bombilla, d, encontrar la altura optima de la bombilla, de suerte que la intensidad en la circunferencia
(frontera del círculo) sea máxima.
Se debe maximizar la intensidad de luz en los puntos de la circunferencia de radio r = 30 cm. Sea la
intensidad, medida en unidades apropiadas, que depende del seno del ángulo formado por el rayo de luz y
el horizonte.

En el triangulo de la figura 3.3 se ve que:

Así se puede escribir:

Donde k > 0 es una constante de proporcionalidad. Esta expresión debe maximizarse con respecto a h,
recordando que debe tenerse h ≥ 0.

DESARROLLO DE UN PROBLEMA DE PROGRAMACION NO LINEAL.

Considérese el problema de una ciudad con una vía de circunvalación y varias rutas centrales según se
ilustra en la Figura 3.8. Imagínese que se realizan 4000 viajes desde A hasta
B, y 2500 desde A hasta C. Las rutas disponibles para satisfacer la demanda del par ω1 = (A,B) son r1 = a1,
r2 = a2 − a4, y r3 = a3 − a4, y las rutas para el par ω2 = (A,C) son r4 = a2 y r5 = a3. En este ejemplo W =
{w1, w2}, y Rω1 = {r1, r2, r3} y Rω2 = {r4, r5}. Las variables de flujo en los caminos son h1, . . . , h5, y las
variables de flujo en los arcos son f1, . . . , f4.

Figura 3.8.
Como,

la formulación completa es como sigue. Minimizar

Sujeto a:
h1 + h2 + h3 = 4000.
h4 + h5 = 2500.
h1 = f1.
 Parámetros para las funciones BPR

Estimación de los viajes

h2 + h4 = f2
h3 + h5 = f3
h2 + h3 = f4
h1, . . . , h5 ≥ 0

DESARROLLO DE UN PROBLEMA DE PROGRAMACION LINEAL.

Problema de la Dieta: (Stigler, 1945). Consiste en determinar una dieta de

manera eficiente, a partir de un conjunto dado de alimentos, de modo de
 satisfacer requerimientos nutricionales. La cantidad de alimentos a considerar,
sus características nutricionales y los costos de éstos, permiten obtener
diferentes variantes de Este tipo de modelos. Por ejemplo:

Leche Legumbre Naranjas Requerimientos

(lt) (1 porción) (unidad) Nutricionales

Niacina 3,2 4,9 0,8 13

Tiamina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Costo 2 0,2 0,25

Variables de Decisión:

 X1: Litros de Leche utilizados en la Dieta

 X2: Porciones de Legumbres utilizadas en la Dieta
 X3: Unidades de Naranjas utilizadas en la Dieta

Función Objetivo: (Minimizar los Costos de la Dieta) Min 2X1 + 0,2X2 + 0,25X3

Restricciones: Satisfacer los requerimientos nutricionales

 Niacina: 3,2X1 + 4,9X2 + 0,8X3 >= 13

 Tiamina: 1,12X1 + 1,3X2 + 0,19X3 >=15
 Vitamina C: 32X1 + 0X2 + 93X3 >= 45
 No Negatividad: X1>=0; X2>=0; X3>=0

Compruebe utilizando nuestro Modulo de Resolución que la solución Óptima es

X1=0, X2=11,4677, X3=0,483871, con Valor Óptimo V(P)=2,4145.