Programacién no lineal Flo capita anerine xtiamaeprtiemss de programaci incl Para PL bjeivo era maximizaro minimiza uns fnsi6n lineal jet a restecones inal. e- ‘p ee mich problemas interesante de maximizacn y mininizacon la funcion oe ‘vo es una funcon lina, o bien, es fosibe que algunas de las resticeones no sen laces A ote pode problems de opimizaicn sl ua poblemadeprorumacion ‘no lnel(PNL) Ente capitan analiza ena tomas pra maoker NL ‘Se empieza con an repo del materiale clei erencin,qve er neces pe ‘a clestadio dea prognimecion no lineal 11.1 Repaso de célculo diterencial Limites = concept de imi es uma deas ides mis Ksicas det leo. Berincion = La cue oes signin que cumndo x tide aan val (promo igual a 2) valor de fa) foronima de maeraarbirana ac, “ambi es posible gue ao exist ein Dea ot 1 Denese gue a lin © — 2x = 2 -202)=0. 2 emuesre aie lim! no exis. Sotcée 1 Parncomprabarete resale? ~ 2 pare vals dex ean 020 gules. 2 Taracompnbarest reste, observe que cumndo endear cone tn sero potivo mey grande oun aero neato muy rane. Por corse, Stun Scoping a, nose yi angi lo nan eft iatContinuidad DEFINICLON m Lint fincibn f(X) es continua en un punto a si im fis) = fla) Si,f(x) no es continua en x = a, se dice que f(x) es discontinua (o bien, tiene una discomtinuidadyen a.m ee [Bakeco ordena anicar de Sugirco. El precio de compra por libra de aziicar depende del tamato de la orden (véase la tabla 1). Sea x= nlimero de libras de azar que compra Bakeco fx) = costo de ordenar x ibeas de azGear Entonces oxy = 25x para 0 Sx < 100 fle) = 2 par 00x 200 Hay~ \$a para > 200 Para los valores de 2, determine si x ¢s continua o discontinua, Ss De ge rete climse) yi ng existen. Asi fC) es discontinua en x = 100 y x valores de x que satisfacen x = 0. 200 y es continua para los dems rapiat Pc lnc ye ap ae ‘Rowe ren Piper) 0=n< 10 28 100 =x = 200 20 => 200 1s w so ws Figura 1 Corts de compra de ¥ anicar pec Bakaco io ae ee 161 apa eet ouTABLA 2 Ia ct Fain ecienda une fein « ° : 1 atx) aft fi) +e f+ aw * ina ter i Lear mls Pee) US er ow @ Fe) wey fests) Sedge) + Peet) fo). eis — fae) Fc 70 Diferenciacién DEFINICION © La derivada de una funcidn f(x) en x = a [simbolizada por /"Ca)] se define vorn0 fla + Ax) ~ fia) a iz ‘Sino existe el limite, entonces f(x) no tiene derivada en x = a. Se puede considerar a /'{a) como la pendiente de f(x) en.x = a. As xx = ay sc incrementa el valor de x por una pequeia cantidad A (A ‘ogativa), enfonces f(x) aumenta por una cantidad aproximadamente igual a Af"(a), Si F(a) > 0, entonces f(x) se incrementa ax = a, en tanto que sif"(a) < 0, emtonces f(x) ddisminuye a:x = a. Las derivadas de muchas funciones se cbtienen mediante la aplicacién de Ins reglas de la tabla 2 (a representa una constante abitraria), El uso ¢interpretacién de 1a derivada se ilustra en el ejemplo 3. Si una compafa cargu un precio p por un producto, entonves puede vender 3e"? miles de ‘unidades del producto, Emtonces, /(p) = 3 000pe"* es cl ingreso de la compafie si carga un precio p. 1 yPara qué valores de p disminuye /(p}? gPara qué valores de p auments f(py? 2 Suponga que cl presto actual es $4 que la compafia aumenta el precio en Se. (Por ‘eutinto eambiaria aproximadamente cl ingreso de la compan? Solucién Se tiene F'(p) = ~3000pe°F + 30006" = 3000e"F(1 — p) 1. Paap <1,f'(p) > Oy aumentaf(p), en tanto.que para p > 1,"(p) <0 y disminuye I) o12 cuviru.o- 4-4 Papen mal2 Pormetio dela imerpretacin de que f"(4) es la pendiente de fp) en p= & (con A> 0.05), se ve que el ingreso dela compafiia aumentara en alrededor de 0.050 000e"*\(1 — 4) 824 En realidad, por supuesto, cl ingreso de la compas se incrementaria en 714.08) ~ /(4) = 300044,05}e-*% — s000,4)e* 211.68 — 219.79 = -8.11 Derivad: superiores Se define f(a) = f(a) como la derivada de la funcién se puede definir (si existe) f(a) como la derivada de ejemplo 3, x) 3000e""(—1) — 30006"%(1 = ph Desarrollo en serie de Taylor En el doxarrollo en serie de Taylor de una func x), dado que fx) existe para texdo pa dl intra [a,b se pede escribir pars cualquier hquestistiga 0 = k= — 0, (oy + SF Oy Ly dip spe pm gn tp oa +b a cmc (iy ane cen serie de Taylor de neésimo orden de f(x) respecto a a co Eneuentre el desarrollo en serie de Taylor de primer orden de e~" respect ax = 0, SoWuelin Debido que /"(x) = ~e*y/"(x) = e~*, se sabe que (I) se cumple en cualquier intervalo {0, 6], También, (0) = 1, (0) = 1, ¥.f"C) =e *. Entonces (1) produce el siguiente ‘desarrollo en serie de Taylor de primer orden para e~*reypecto ax = 0: ier fB)=1-h+ Esta ecuacién se cumple para alguna p entre 0 yh. SS Derivadas parciales ‘Ahora se considera una funcién fe n > 1 variables (xj, 25. .,.%) usando la moacién Fl sr) para denotar la funcin. 19.1 ose deft te 613DEFINICION m Laderivada parcial de /(1, x3... x,) com respectoa la variable x, se TInuitivamente, si x; s¢ increment por A (y las demés variables se manticnen constantes), entonces para valores pequefios. de A, cl valor de fir. x3...) 8¢ tena prtpaiatinene 42 Seems seems oes variables distintas a x, y encontrar Tas derivadas de fli, x2...) De manera miks general, suponga que para cada i, x; se incrementa por una pequeia cantidad da, Entonces el valor de fse incrementa por apraximadamente Lademanda fip, 2) ~ 3000p "7" para un producto depend de p = precio del producto (n délares) y a= délares gastadas en anunciar el producto. ;La demanda es una funcién reciente o decreciente del precio? La demanda es una funcim creciente © deceeciente del sto de publicidad? Si p = 10 y.a = 1:00 000, entonces {custo se increments la ddemanda (mas o menos) si se resorta SI el precio? Sanucion 30000(—2p~)a""* = ~600002"%a""* < 0 x. (2). age 2 soaaap-*(S) = soogp-ar** > 0 ‘Asi, un iincremento en ¢l precio (manteniendo constante la publicidad) disminuye ta demands, en tanto que un cement cn I pblcad (cone! peso constant) aumenta Ia demands, Debido a que x => (10, 1000000) = ® conc (-*) coo = 50 tun recorte de I$ en el precio aumenta la demanda en alrededor de {— 1-600), 0 bien, ‘600 unidades, ‘También se utilzarin en gran medida ls derivadas parciafes de segundt arden, Se usa ta notaci syd af ‘Tats primera ne tie Hy ago wt abou asin pri om apes existe lis parcial de segundo orden y son continias en todas partes, entonces ay __ar aria, xa Ee Para [(p, 2) = 30000p-%a', obtenga Ins derivadas parciales de segundo onde ea 01-9) PagosaPROBLEMAS Grupo A 1 eames 2 1A Sugoo lec encom rine 100 fag ear Ss comp sgn es 1's comp cea So) la se Snopes ence J) cin pace ys pO oa 1 teseed] pe aieenale Reengine Bei oe @ Grea? he 44 Encuente as derivaas parcines de primer y segundo crden para fly.) = 31 5 Encuenre el desarollo en serie de Taylor de segundo conden de Inxreapecto ax = 1 Grupo B Seu q = /(p) ln demand de un produsio cuando e} Precio es p. Para un previo particular p, In slasticidad ‘el precio del producto se define mediante gw Camb pent ena demands Sie cambio enol precio (Ap) es pequcto, est formula se OG) 1 (Esperarin que fp) fuera positivao negara? 1b Mucave que i £.< ~1, una paguetareducciém en el precio increment el ingres ttl de ls empresa (en este «aso, se dive que la demand es listo), © Mucsie que si 1 < £ < 0, unt pogucta Sminacién on el precio diamine a ngron ttl (en fc caso se dice qu la demands es nels) 1. Supongs que se pastan en pubic x dares rane ‘una, (1 — e-®) lentes compeurn un producto (c > 0) 12 A media que ements el nirnero de clientes gue ‘compan el producto se aprinn al finite. Determine ‘eae mie 1b (Porc da ua interpetaion par? © Mucsie que la respuesta venias poe un Jl de Publicidad ex proporeional alm de clientes potencies queen el presen po compra el pote 1 seacts) = be!" (0- toa 1 ars gjnplo 6 cpt 8, ea A ~ namo de cas fem ins ledecia WA, b= nina ted qete Teac a durin de eto. Soong go oe Je poeeuacoimineecien ASA BOOB, C, 20%, B 20D E108 FSF yabicescil ws posbsiclns on Seni a0 1 deen Fermi in PML ee arn oe teminar ol proyecto 25 das 0 mene 1 ero sen 0000 passa en pubdate omer inns pol vento es de es) (sa pn cet ones mercado cues mend fone tees evaen hanes racers a Ingo pr ve, ei nr me be pn sada meee 8 Widgetco prodyce dispositvos en la plant | y I pan tw 2, Cuesta 201"? producir + unidades ea [a plants 1'y 40017 prodcit + ueidades en a plone 2, Cada planta prc ‘ds prodoce tants corto 70 unidades, Cada unidad product- ‘Gate puede vender per SIO. Al sie, se putden vender 120 dsipasiivos. Formule an PNL cx soli Je inighe 1 Widgetco eGmo manimizar la ganancia 10 Tres cludades xe loclian on Ios wires dew tn slo equlstero, Se constr un aeropuets en us lugar oe ‘uinimiza ta distancia foal det acropueco a las tes ius des. Foemule un PNL cuya solic perma decidir dine construire aeropoerto. Lueg,reselva su PN en LINGO. 11 El zendimiento de un proceso quimico depende del tiempo F (en minus) que se ejecuta el proceso y la temp ratura TEMP (en graos emtgraos) a Ia que $ opera el proces. Esa dependenca se describe mediante la euaciba RENDIMIENTO = 87 — LAT" 4 €TEMP! — 2377 — 3.2TEMP? ~ 49(7 (TEMP) donde T= (F ~ 90y10 y TEMP! = (TEMP —150), T debe estar ne 6 y 120 mimios, sn tanto que TEMP de ‘be estar ente 100 y 200 patos. Prepare un PML que pace f(D. [La desigualdad (4) implica que para cualquice ¢que satisface 0 < c-< 1 fet +1 ~ ex] Bafta) + (1 — en ftay >of) + (1-0) [de fox) > F00} 183 [Ahora observe que para c arbitrariamente cercana aI, ef + (1 — é)ees factble (de- Dido a que Ses-convexa) y estécerea de®. Asi, no pede ser wn mdxinso local. Es- tu eontradiccin demuestra el teorema 1 ara demostrar el feorema |’ se puede usar un razonamiento similar (véase el proble- ‘ma I al final de esta seceién), TEOREMA CConsidere ef PNL (2) y suponga que se wata de un problema de minimizacién. Su: nga que ta region factible 5 para el PINL (2) €¢ un conjunto convexo. Si f(x) es ‘oonvexa cn 5, enfonces cualquier minimo local para el PNL (2) es una solucign Op ‘ima para este PNL Los teoremas | y 1 demuestran que si $e esti maximizando una funcion céncava (o mic nimizando una funcién convexa) en una regién convexafactible , entonces cualquier mie ‘ximo local (0 minim local es solucidn del PNL (2) & medida que se resuelvan PNL, se aplicarn de mancra repetda los teoremas | y 1 ‘Ahora se explica cémo determinar si una funeién f(x) de una sola variable ¢s convex o céncava. Recuerde que si f(s) es una fincién convexa de‘una sola variable, la linea que tune dos puntos cualesquiera en y = fx) nunea esti debajo de la curva y = f(s), De las f auras 9 y 10, x ve que si y = f(x) convera significa que la pendicate de f(x debe ser no Aecreciente para los valores de x Suponga que f(x) existe pant las-x de un conjunto convexo S. Entonces f(x) es una funcion convexa en $ xiy sOlosi/"(x) = 0 para toda ren S. Poyenat il Copyrighted materialDebido aque fx) es convexa siy slo si =f) es cOnezva El teorema 2 también debe 1) Demuesire que flx) = x es una funcién comvexa en $= Rt Demwesire que fls) = ees una funciin convena cn S = & Demuectre que f(x) = x'7 es una funcién céncava en S = (0) Demuestre que /(s) = ax + Bs una funcidn clncava y convexa en § = Ri a Seaton 1 fs) = 2 = 0, asi que fla) esconvexs en re re) £7(e) = 0 asi que fx) es cdmcava y conven en $ = R rr 0, asi que fts) es convexa en $= Ri ¥9/4 = 0, asi que f(x) ¢s una funcion céncava en 10, =) {Cémo se determina si una funcidn fle), ty --. 8x) dem variables ex comvesa 0 btieava en un conjuma § C R™? Se supone que fx...) tiene derivadas parciales ‘continuas de segundo orden, nies de enunciar el citric wtlizado para determinar sisi, Xp -- «1s €8 Convers 0 cSncava, se requeren tes defniciones. DEFINICION @ El hesiamo de fir, 1...) la mutriz de» % a euyo shésimo elemento es ay area Sea que Mlxy,x2.--. +) demota e valor del hesiano en (x, 33,» Por ejemplo, i fli, ta) © x] + Devs #23, entonces Hosa) = DEFINICION = Ln éésimo menor principal de una matiiz de m ex el determinante de cualquier matri2 (>< obtesicla al eliminar n~ #renglones y ls. ~ J colummas ‘correspondicnies dela maiz. ‘Asi, para la matriz los primeros menores principales: ~2 y —4, y el segundo menor principal es —2(—4) — (- 14-1) = 7, Para cualquier matiz, los primeros menores principales son solo los ‘lementos diagonals de la mattiz 19.3 Fie eet y erm 623DEFINICION m El k-ésime menor principal de uns entrx de> n es el determinate dela inatit & caida lind Ton Stig — # enghomss colar sma, Sed Fy ty.) 6h ibs ence pip de a ara Beslan val en ed pate Gra = tal Ash Si fle 82) —x} + Brym +3, emonces Mies) = 6, ¥ Hx, x3) 1m (2) — 22) = Wey — 4 ‘Aplicando les teoemas 3 3° (expresados més adelante sin demostraion, se puede usar Ia matriz hesiana para determinar sfx, t..X) es uma funciin convexa 0 ‘edncava (© ninguna) de wn conjunto convexo SC R", [Véase en Bazaraa y Shetty, paginas 91-93 (1993) uma demostracién de los teoremas 3 y 3°] Suponga que fis i) tome derivadas parciales sontinuas de segundo orden para cada punto x= (jas. +t) € 5: Entonces fx, 15 ces una funciv comexa de § si y silo si pura cada x & §, los menores principales de H' son no egativos ex Demuesire que f(x), ;) = 17 + Zryxy + xFes una funcién convera en 5 = R* Setuedba Se encuentia que Hesy, x3) Los primeros menores principales del hesiano son los elementos diagonales (ambos iguales a 2 = 0), Fl segundo menor principales 2(2) ~ 2(2) = 0 = 0. Para cualquier punto los menores principales de # son no negativos, de esta manera el teorema 3 muestra {que fix, 42) 65 una fapcin eorwexa en FP, _——————————————— Superga que fry...» rene derivadas parciales continuas de segundo arden pura cada punto © ebaesva en S sty sl si pa (hots) € S Emtonces fr, 3, 14) e5 tuna funcion da Sy 1,2... losmenores principales distintos de cero tienen el mismo stgno que (1) Demuesire que fx, Selucion Se encuentra que 2 “i 1 al Los pritneros menores principales son los elementos diagonales del hesiano (2 y —4), Ambos son negatives. El segundo menor principal es el determinante de Hs. 33) ¥ €8 igual a ~2(—4) ~ (~1)(—1) = 7 > 8, Asi, fey, a2) es uma finn coneava en RP ost fapinuie 99 Panam feCS Demuestre que par S = RE f(cj,3) = x} — dejxy + 2c} moves una funciin comvexa o Souckin Sertiene Los menores principales del hesiano son 2 y 4, Debido a.que los dos primeros menores. principales son positivos, fix, 13) no puede ser concava. El segundo: menor principal ex 244) ~ (3-3) = ~1 <0. Asi, for, 12) no puede ser comvexa. Juntos, estos hechos muestran que /(s1, 42) no puede ser una FunciSn eonvexa 0 eSncava. SED Mestre que para = ¥, fixie x3, 3) = 37 funcidn comexa, Selueién £1 hesiano esti dado por ly 5.53) Al climinar los renglones (y eolumnas) | y 2 del hesiano, se obtiene el menor principal de primer orden 4 > 0, Si se climinaa los renglones(y columnas) 1 y 3 del hestano, se ob- tiene el rence principal de primer orden 2 > O, Eliminando los renglones (y calurnnas) 2 Yy 3 del hesiano, se bene el menor principal de primer orden 2 > 0, Aleliminar el reagion I la column 1 del hesiano, se encuentra ¢! menor principal de segundo onden 41 14 det J-1>0 Si.se elimina el renglin 2 y la columna 2 del hesiano, se encuentra e! menor principal de segundo orden r aa J-1>0 “1 4 Eliminando el renglon 3 y la colurnna 3 del hesiano, se encuentra el menor principal de segundo orden 4 af? jai 1 ET menor principal de tercer orden es simplemente el determinante del hesiano. Desa rrollando por los cofactores del rengldn I, se encuentra el menor principal de terser orden OM — KDI Yt) = (-Y-91 H-DIHIN- 1b = (1X2) = 14 $3 = 6>0. Debido a que para toda (x, 13.15) los menores principales del hesiano son no negati- vos, se demostré que fy, 15) €3 una funsién somvexa en 14,3 Forces cama cans easPROBLEMAS Grupo A Enel conjunto 5. dotensine si cada funcitn es convexa, cin ava ninguna FS = Moy Soa 1 ies 2 f= 1 @=15= 0%) 4 pa-rose B fish tes: 0.) 6 7 8 S18) fess.) © eh Sars + ® Mead tks = Meee) = nai ayy ek Se 8 Pte ad 2d + Sen = 10 ;Puaqut valores de a by card + bras Foxes Funcin convexa en f? ,Una funciin cbacava en A Grupo B. AW Deeaats of tesreane WB _Deemeste que 8 flies suk YO eso) sa funciones comveass en i onium seen Sees ee) ™ fl, Roh) 4 ACTER DES una fencidn Comvenn Si ffey, £5.14) 06 ura fuscia convens en un conjumta convex 8, amare ue pasa ¢ >, et 2m ‘a) 35 una fico sonvesa om, y para ,) ea fie 44 Domestic que iy = /¢x) es uma fonciba cmeava en 2 eaingces 2 =p ce ona Tuncid convens [supoes que fa) > 0] YS) Uns fein fs. -y Ry) 8 eussedinease en conjunto coevens SCR AES ES OSes T imps Sle’ + (1 = gC] = min. FO) Muextre que sox concava en Rt, entonces fex cuasiconea= va, {Ouil de ins Funciones en la fim 19 6s euasconcaa? [Usa Tanck cuasiecncava es necesaliamente un func 638 ueieecy 101) Prepac a WW Del problems 12. se deduce que la sums de las Funcio- net cdncavas es cincava, La suma de las fimciones cums ssingavas oo nocesinianucate eutsicSacaya? 7 Supongs que un hesina de fmcin lene elementos po sStivos y negativos en su diagonal. Mestre oe la funn 18 Muestre ques /lx} una funcién séneava creciente, no negatva,entonees ln | fl] también es una Funcién cincava 19 Mucstre que si una funciia f(y... 25) €9 camsi= ‘eéncannen un Conjunto conexa 5, ntaces para cualquier nnimero a el conjunso $, = todos ios puntos que satisfacen Joa) pte) a 6 en Conjunto CONVERS. 20 Muestre que el worema | es faz si fe una Funcom cuasioincaa 21 Supongs que las resrieciones de un PNIL son de la for- ma gity, #2, ta) = H(i = 1, 2...) Mestre que si cada g, es una funcién convexs, emionces fa region factibie ‘el PL es convene Grupo C 22 Si flsy x2) 6s una fein eSncava en, demuesire ue para cuaiquieemimero a, el conjumo de Cr, X21. que 50= “face fly, x2) = es un eonjunty Comex, 24 Sea Zura variable aleatoria N(O, 1), y sea Rix) ln fancion de distribuciin scurmalaa pars . Demuesize gue en = (—=, 0), Fle) ss una funcion convex erosiente ¥ en = 0, =}, Fis) es a funcign séneava creiene, 24 Recoende el PL Dakotw analizada on ef capitulo 6, Sea 1WE.£1, CE ingreso mimo que se obtiene cuando es ti disponibles L pies bon de madera, FAY bors Ge ‘ado yCH arash carpasera 2 Demuesre que x(L, FH, CH? 2s una funcia soca. 1B Explique por qué ext resultado muestra que el valor io ada ute Aspoalbe wlonal da a recta debe ‘ser una funsién no crevienle de ln canidad del recurso gue eth spore11.4 Figura 20 PL si sous Solucidn de PNL con una variable En esta sevcidin, se explica cdmo resolver un PNL max (o min) f(x) en x€ [od] ® [Sib = =, enonces la regi factible para el PNL (5) esx 2 ay sia = ~=, emonces la regidnfactible para (5) 2x = 6] ara encontar Ia solucién Gptima a(S), se encuentran fos maxims locales (0 mini- sos), Un punto que es un mimo local o minim local para (S) se lami un extrema lo- cal, Entonces la solucin éptima para (5) sel mixin local (6 minimo) que tiene el valor tos grande (0 ms pequeto de a), Por supuesto, ia = wo B = o,enfloaces es pos be que (5) no tenga solucisn éptima (véase la figura 20). ; Hay ies tpos de puntos para los que (5) puede tener un maximo local © minim estos pontos por le consin ve Maman condideto erro) feat Puntos donde a {flay Ai, (aa) > 0, x9 no puede ser un maximo local oun minim loca, De mancra similar, en la figura 21b se muesta que si (4a) < 0, entonceso no puede ser un mix mo local o un minimo local. Sin embango, de las figuras Pe y 21d, se ve que f(t) emtonces podria ser un maximo local oun minimo local. Por despraia, en La figura 21e se observa (re) puede ser igual a cero sin que x sea un mim local un minimo lo cal. De la figura 21, se observa que sif"ig)cambia de posiiva a nepaiva conforme se pasa por zo, entonces xe un maxim local. Asi, sif"(xy) <0. es un maximo Toca. De ‘manera similar, de la figura 21d se ve que si (r,) eambia de negativa a positiva a medi- da que se pasa por xo, res un minima Local. As, sie) > O, xp es un minime Local Pe sew. bm 11.4 a fe PR cn a aie 637rae) 2 fae fade. Fe ca seal © fisteo 4 fea-0 Pans st suaee Faasosince Pines Pana Juno Sewnelaime led even simone Figura 21 (imo determina 31x, ‘es un mimo local ‘mnie local cuanda f°(4) ait Sif (ug) = Oy f"Gxy) =O, entonces xo 8 tin maximo local. Si f"{xqh = Oy Exo) > 0, entonces 14 ¢5:un minimo local, {Qué pasa si f"Ceo) = 0 y f(xy) = 0 (este caso se muestra en ia figura 212)? En este ‘ens se determina si ys un miximo local o un minim local mediante la aplicacidn dl rteorema 5 638 curir nue 19) Pram esSif (ro) = 0,9 1 Sila primers derivada no nula (no cero) en x es una derivada dle orden impar 7 (ooh ® (aa), stottera}, emtonees xq no es wn mixirn@ Iocal o mbnimo lo: 2 Silaprimera derivads no mula en méximo Focal 10s pesitiva y de onden par, enfonces.x ¢5 un 2 Sila primera derivada n un mitximo local Se omiten las demostraciones de los tooremas 4 y S. [Se deducen de manera directa al aplicar la definicién de un méximo local o minimo focal al desarollo en serie de Taylor de =) respecto a xy] El teorema 4 es un eso especial del teorema 5. Se pide demostrar lox teoremas 4 y 5 en los problemas 16 17. Caso 2. Puntos donde f(x) no existe SifLs) no tiene una deriva en xy, x» podria see un mimo local un mimo Toe © mi une (véase la figura 22), Em este caso, se determina sixes un maximo local o un mini ‘mo local al comprobar los valores de f(x) en fos puntos x; <)y-x3 > %g cerca de tp, Los cruatro casos posibles que pueden ocurrir se resumen en Ta tabl 9 eines ‘N (Chm determinar * si x es un mise a= _ local own minis local cuando f(x) petits € see miinobal Cwaeieedashed 14, 4 Sain oP ou ie 639 H AnFiGuRA 23 (hme determina si (2 on maximo bcal ‘un ini ocala x un punt final TAmLa ® (Com ec sw put te) a cso sil ‘mina ‘acim orn fh shy) & fee) > fark flee) Fle) Noes wn exten Hocal 16 ‘fesa) = fleik fis) = oss) Misime local 16 Sta) = flere flee) Sf05) _ Minimo local 6d Caso 3. Puntos finales a y b de [a, b] De Ia figurs 23, se ve que F'(a) > 0,entonces a es un minim local. Si f"(a) < 0, entonces « es un mitcino local. Sif"(b) > 0, entonces b es un miiximo local. Si f"(6) < 0, entonces b es un minimo local Si /'(ay= 0 0f°(6) = 0, trace un bosquejo como la figura 22 para determinar si a 0 b es lun extrem local Los ejemplos siguicntes ilustran emo se aplican estas ideas para resolver PNL de la forma (5), yen b poo econ mime act econ sna veny, 5 yinro 4 peo eer ni a er mi euptrace 14 Pama eet ightedFa} Un monopot PT ‘A un monopolista Te cuesta $5/unidad producir un producto Si produce unidades del poor dducto, entonces cada uno se puede vender en 10 — x délares (0 = x = 10). Para maxim ar la gananeia, jeu debe preduci el monopolist? ‘Sea Px) la gnnancia del monopolista si produce x unidades. Entonces PQ) = x10 2) = See See OSE = 10) ‘Asi, el monopolista quiere resolver el siguiente PNL max POX) sa 0=x=10 ‘Ahora se clasifican los candidatos extrem: asa 1 P(x) = 5 ~ 2x, asi que P"(25) = 0, Debido a que P*Ix) = ~2,x maximo local que produce una ganancia de P(2.5) = 6.25, a (0ae8 2 P*(x) existe para los puntos (0, 10], asi que no hay candidatos de caso 2 Gee 3 a = O tiene P'(0) = 5 > 0, de modo que a = Osun minimo local; & P10) = ~15 = 0, emonces b = 10 e8.un minima loca 0 tiene Asl,x = 2.5 esel inico miximo local. Fsto significa que las panancias del monopolista se ‘maximizan al elegitx = 25, ‘Observe que P"(x) = ~2 para todos Tos valores dex. Esto muestra que Ax) es una fun cid céncava. Cualquier miximo local para P(x debe ser la solucién Optima para el PNL. Ses un maximo local, se 53- ‘Asi, elteorema | implica que una ver determinado que x = bbe que es la solueidn dptima para el PNL. Ena Sd Sea @- 1 para 346 pa Encuentre max f(x) sa 0Sx=6 fase t Para 0 = x <3,/"(x) = -2Ce ~ I) yf") = -2. Para 3 < v= 6 fe) = 2a= yf") = 2.ASiL FH) = J) = 0. Debido aque fC) <0, x iocal, Debido a que /"4) > 0 sun minima local aso 2 De la figura 24, se ve que /(x) no tiene derivada en x = 3 (para x ligeramente menor que 3,/"(a) estd cerca de —4, y para x un poco mayor que 3, f"(x) esth cerea de —2). Debido a que /(2.9) = ~1.61,/G) = ~2, y /B.1) = 2.19, r= 3 noes un (tae 3 Debido a que f"(0) = 2 > 4 0. = 6 e¢un maximo local x= O/¢s un minimo losal, Debido a que /"(6) Por lo tanto, en {0,6}, (9 tiene un minim loval parax = 1 y x= 6, Debido a quef(1) 2.y (6) = 1, se encuentra que la solucién dptima para el PNL ocurre para = | 4 Sin PL cr a ile eatfeynd—te- fayeotocrar 2 sen Figura 24 Gite para ot sivwete 22 NE Evaluacién y optimizacién no lineal {Una decision de negocios importante es La determinacion del precio de maximizacién de ‘ganancia que debe eargarse por un producto. La demanda de un producto suele model: Se comme tna fuscide lineal del peecio Demands = @ = precio) donde « y & son constantes, Si fa funcidn de demanda lineal es pertinent entonces la ga- nanein de un preclucts com wh costo unitara dee est dada por (Precio = ¢)*{a = precio) Eo significa que la ganancia es una funcidn cdncava det presi, y el Solver debe encon- trar el precio de maximizaciin de ganancia, En esta seccidn, se obtienen dos modelos de Solver (basados en Dolan y Simon, 1997) que se pueden usar para determinar lo precios dpcimos. El primer modelo enfrenta el problema siguiente: medida que flctian ls tsas de in- tercambio, :e6mo debe cambiar una compahia norteamericana el precio de su producto eh cl extranjero”? Para ser mais especificos, soponga que Eli Daisy estd vendiendo un firmaco en Alemania Su objetivo ¢s maximizar su ganancia en dSlares, pero cuando-l firmaco $2 vende en Alemania, recibe marcos. Para manimizar la ganancia en délares de Daisy, coo ‘mo debe varia el precio en marcos com latasa de cambio? Para iustrar las ideas del caso, consider el ejemplo siguicntc. El costo de producir el firmace taxoprol ¢s de $60, En la actualided, la asa de cambio es 6 0.667 délares‘marco, y se cargan 1$0 marcos por el taxepro. La dewanda actual por cl taxoprol es de 1000 unidades y se estima que la elasticidad para el taxoprol es 2:5. Supa nicndo uma curva de demande lineal, determine coma debe varia l precio (cn marcos) del taxoprol con Ia tasa de cambio, Sotusiéa Se empieza por determinar Ia curva de demanda lineal que relacions Ia demands con el precio en marcas. En ls actualided, la demanda <5 100 y el precio 0s. 150 matsos, Recsre 4c la coonama que la elasticidad del precio de us producto es la disminucién porcental en ventas que resulta de un ineremenio del precio ds 1%, La elasticidad del previo es 2.8, ea surirece 1 rnc omasi que un incremento de 1% en el precio (a 151.5) da como resultado una disminucién de eins 12.5% en la demand (a 100 — 2.5 = 97.5). Enel archive Iniprice-xls (hoja Linear De- ‘mand), se itrodocen estos dos puntos en B12:C13, Ahora se encuentra la pendiente y la ‘ordenada al origen de la curva de demanda, 973 — 100 Readiene 515 150 6667 {(Gebido a que la demanda es mayor que | en valor absoluto, la demanda es elistica). ‘La pendiente se calcula en D13 con la formula (B13 ~ BI2MAL3 ~ A12) Intercepciin = 100 + (= 150) 1.6667) = 350 La intercepsin es calculada en D14 con la férmula =BI2 + (-AI2)*(D13) or consiguiente, demanda = 350 ~ |,6667{precio en marcos)-(Wéase a figura 25.) ‘Ahora s¢ pusdecalcular (para un conjunto de precios de prucha) La gunancia para iasas de cambio que varian de 4 S/marco | Simarco, Luego, use Solver para encontrar el con- junto de precios que maximizan la suma de estas ganancias. Con esto se asegura que Seen ‘cont un precio de maximizacién de ganancia para diversas tasas de cambio, Paso Introduzca los valores de prucba para la tasa de cambio (S/marco) en el internalo de coldas BA, Pasa2 En BSS, escriba e] costo unitario en dares ($60). [Pase'3_ En B6:J6, tclee los precios de prueba (en marcos) para el taxoprol ‘Pasa 4 Observe que la demands para cada tasa de cambio se obtiene mediante 350 — 1,66667*(precio en marcos), Fn las celdas 87:37, se determina la demanda para cada tipo de cambio. En BY, se encuen- tra la demanda para el tipo de cambio de ©:6667S/marco con la formula =SDSI4 + SDSI3*BO ‘Para caleular la demanda de las otras tasas de cambio se copia esta fGrmula al intervalo cnn Paso 5 Observe que la ganancia en dolares. se obtiene a pati de {(G!marcoy*precio en marcos ~ costo en dblares}*(demanda) car a Ser sear oo 1 0 Ts15)—815} 14-4 San oP aaa eas.FicuRa 26 En las celdas 8-38, se calcula Ia ganancia en d6lares (para los precios de prucba) de cada tasa de cambio. En B8, se determina la ganancia para la tasa de cambio actual ((664667Simarco) y el precio actual (150 marcos) con la fSemula =(B4*B6 — B5)*B7 Copia esta fru al inervalo de cess 6:8, se calclan bs ganancis para las tas sass de cambio. esa § nln celda KX se agropa In eanancin para las tasas de cambio con Ia Forma = SUMICEI5) feos} Aor uli el Scher pam determina precio de maxinizarin de pnanca de cad tasa de cambio. Al cambiar fos precios no negatives para cada tasa de cambio (C636), se pode maximiza a suma de as ganas (KB). Debidoa ue cia previo 3 ioscan ganancia paral asa de cambio cn su propia column, exo segura quem 6o- acne precio de maxinizacin de gangoca ps ends tsa de ambi. Por ejemplo pars "6666 7Smaro,e precio timo es 150 marcos. Observe que sel valor del marco dismi- nape on 25% 2$ Sima ao se lene esto am maros por 10% (MIO 40, Dido als demanda elistien, i maximizacin de ganancia no requere que los clientes atemanes absrtan In pr en dlares dbida als depreiacin del mare. La ventana del Solver cx como se hua en a figura 26, {Cémo se puede usar el Solver para deterinar un precio de maximizacin de ganan- cia? Una manera es obtener una curva de demands al Segment el mereado e dentifiat ‘un precio bajo, un precio medio y un procio alto. Pana cada uno de estos precios y segmen- tos de mercado, pia a los experts de la compaia que etme la demanda del proc, LLaego, se pueden usa las capacidades de ajute de tendencia de Excel par aust una funcidn cusdritica que se pueda usar para estimar cada demanda del segmento para pre- cias distinos. Pr itimo, se pusden agregar las eunwas de demanda de segmento afin de ‘obtener una curva de demanda agregada y usar el Solver para determinar el precio de ma- ximizacién de ganancia. El procedimiento se ilustra en el ejemplo 24 [basade en Dolan y ‘Simon (1996)). 414 Prone lt CopyrigtFieuRA 27 Produc una barra de dulce cuesta S$ centavos. Se est considerando cargar un precio de entre $1.10 S1.50 para esta barra de dulce. Para un precio de $1.10, $1.30 y $1.50, de= ppariamento de comercializacién estima la demanda para cada barra de dulce en as tres re- slones donde se vendera (véase la tabla 10), {Qué precio maximizara la ganancia? Paso 1 Se empieza por ajustar una curva cuadritica alas tes demands especificadas en Ja tabla 10 para cada rida. Vase el archivo Expdemand.x!s, Por ejemplo, pars la rein | se utiliza la opcin Asistente para grificas X-¥ a fin de graficar D4:E6, De clic en los puntos de la grifia hasta que se vuelvan amarillos yelja Insert Trendline Polynomial (3) ¥ comprucbe la opsiin de ecuacién para asegurarse quc se lista la ecuacion cundratica gue se ajusia de manera exacta a los ies puntos. Asi, se estima la demanda de la region | (véase la figura 27: ~ ~87.5*(precio)* + 198*(precio) ~ 73.625 De manera sila en las regiones 2 y3se encuentran las siguientes eeaciones de deman- da (véanse Ins figuras 28 y 29): DDemanda dela region 2 = —75*(precio)® + 155*(precio) ~ 47.75 Demands dela epién 3 ~ ~12,5¢4presio}? ~ $hipreci) + 44. Paso 2. Ahora se imtoduee un precio de prueba en la celda Hi y se determi das 14:K4 la demanda (en miles de unidades) para ese precio en cada regiéa: Demand de ls repion | (eelda 14) = ~87.S°H4°2 + 19S*H4 ~ 73.625 Demanda de la regim 2 (celda J4) = —75*(H4)"2 + 155¢H14 ~ 47.75, Demands de la region 3 (celda Ky = ~12.5%(H14)°2 Pasa 3 En lacelda LA, se calcula la dermanda total (en mies de unidades) con ka formula SUM(IE:KS) Pasa 4 En a celda 16, se caleula la ganancia (en miles de délares): = (HA ~ 13)8Lt Paso § Ahora sc est listo para invocar el Solver afin de encontrar el precio de maximi= zacidn de ginancia. Simplemente se maximiza la panancia (celda 16), con el precio (H4) que es una celda cambiante, Debido a que las curvas de demanda son, en teora, val TABLA 10 tow Tesi ona Sas tengo tase nt Bajo 1.10) 38 2 a Masia (1.30) 2 ” { Alto (1.30) 2 6 7 Peed enemies 11-4 ti fe PL mr ii eass6lo para precios entre $1.10 y $1.50, se agregan las resiricciones H4=1,1 y H4=1,50) ‘vdane en la figura 30 la ventana del Solver) _gPor qué el modelo es no lineal? Como se ilustra en la figura 31, se encuentra que el [precio que maximiza la gananeia es $1.29 Fiauna 28 FIGURA 20 feast <= 15 St >= Ld FIGURA 30 |Demanda de /Demarda de |Demanda de| Oemanda Precio Jaregin't_llaregién2 lia regiin’d_| total 1.286325018| 92.42807, 27.5827) 17.51047| 7.47152) [Ganancia 57,0842 FiouRa 31 (000's) 66, anire.o 1 Pagani et Copyrighted materialSi se esti tratando de masimizar una Funcién f(x) que es un producto de varias funcio- ‘es, a menudo es mas fail maximizar In [Cx], Debido a que In es una funcivn crecien- 1, se sabe que cualquier x que es solucion de max 2” = In [/(x)] sujtaa.x € tambien es soluciin de max z = fix) sobre x € 5. Vease en el problem 4 una aplicacin de esta idea, ‘Solucién de PNL de una variable con LINGO Si est maximizando una funcin objetivo céincava f(x) (0 inchs si el logaritmo dela fune «én objetivo en un problema de maximizacién es na funcién eSneava), puede estar segu rode que LINGO encontrard la solucién éptima para el PN max z = fx) sa asxsb Asi, si se resuclve el ejemplo 21 en LINGO, se estaria segura de que encontn’ la res- puesta correcta. Sin embargo, en el ejemplo 22 no se podria estar seguro de que LINGO ‘ncontrara el valor maximo de (x) en el intervalo[0, 6} De manera similar, si se esta maximizando una funcién objetivo convexa, entonces se sabe que LINGO encontrar la solucion éptima para el PAL. on sa asxsb Si se sti intentando minimizar una funciéin no conwexa o maximizar una funcién na céncava de un PNL de una variable sujeta ala restriccidn a = x = b, entonces LINGO po- dria encontrar un extnemo local que no resuelve cl PNL. En tales siuaciones, ef usuario puede influir etl solucion determinada mediante LINGO intreduciende un valor de cio para x can el comand INIT. Por ejemplo, i sc instruye a LINGO para resolver sen(zrx) sa Ose s6 LINGO potia encontrar el minimo local x = 1.564, Esto es porque fata de un valor, LINGO primero supone que.x = 0,yen.x = 1564 se satisfacen las condiciones para un rminimo local [f'(2) = 0 y ["2) > 0}, Una grafca dela faneién x sen (7 2) revela que cro minim local ocwre para x entre 5 y 6. Poc medio del comando TNT se podria ins- truira LINGO para que empiece cerca de x ~ 5. Después, LINGO de hecho eneuenra la solucin ptima (x = 5.52) parael PNL. Por ejemplo, para que LINGO empece con x1=2 1 2263, se agregar la siguiente seccién al program de LINGO: ENDINIE PROBLEMAS Grupo A 1 Aun commie cuss S100 en costes variables pro-_dicionadoes de area $300 cada uno. Cuno pode maxi> ducir un acondicionador de airs, mis un corto Fjo de $5110 mizar na ganancia I compa? Si el costo Bj de progcer. sae produces acondicinadres de ie. 8 la compat ‘a rdolares en publicidad, enionces puede vender 1 {condicionadores J sre Furs de $20-000, qué debe acer la compatia? 44.4 POL ie a ii ea72 Sin monopolist produce q unidades, puede cobrar 100 ~ 4g ditares unin El cost jo de praca es $80 vy el costo variable por una es $2. Como pusde maximi- 2arlas ganancasel monopolist Si el monopolist debe pa- ‘ar un impuesta por ventas de $2'unidad, entoncesincre- ‘entara'o isms la prods? 3) Muestre que para toda x, ¢” =x + 1, [Saperancia: sea fay =e a1, Demoeste que sin fiz) as xER ‘cure para = 01] 4 Suponga que en turns a bat un beisboista conecta x Jmparables. Supenga que se desea eximar Ia probebldad (>) del jugadoe de conectar un imparable en ca tro al but, El mitode de mma verosimilitd estima p rediante ‘p, donde maxima la probablidad de observa impara- bles en tumos al bat. Myst que ef métedo de madxima _verosimiitd elegiia p= 2 ‘5 Encusnire la slucicn Gpima para max! {8 Encoenire ls solic Optima para min = 3° 20-1 sa -2srsd 7 Durame la acministracsin Reagan, el economists Arthur Laffer se volvié famoso por sw curva de Later, la cua in plicabe que un incremento en Ta tsa de puesto pods ‘isminur los ingresos poe impuestas mieninis que una dis- ‘minscin en la tas de impuesios pucde imsrementar fs in- _press por impucsion. Este problems iirc porque dels ‘curva de Laffer Supongs que sun individuo hace un esfuer 2, obtiene wn revompense de 10e'”. También suponga ‘Que un indviduo asoeia un cost de & con un nivel Ge es fcrzo de ©: Soponga amis qu la asa de impuesto es 7. Eo ageiies que cade individuo logra madeaar ina fs coda 1 ~ Te ingreso antes de impuesta. Demucsre qoe T= 5 maximiza los ingesoe del gobierno por impuestos ‘Asics te de impuestos fuera M6, entonces un core en 1 tsa oe impuestos inrementaria fo ingress, 8st or a ene inne e+ 200000 + 002" dares, donde = pacientes stea- Gos por da, Que umafo Ge hospital itm 21 con or patiente de mantener en peracin el spit? 18 Cadi matana durante Is hors de mayor titi, 10 000 Personas quieren viajar de Nueva Jersey a Nueva York. Si ‘Gna persona abords el ren sublerrnen, el viaje dura 40 mi ‘os. Six miles de personas vijan a Nueva York cada ma- fan, el tiempo fa), xe lan) Case ffx) < f(r). Debido a que f(x) es ereciente para por lo mena: parte del interva- fo a alee! hecho de que fla) sea unimodal muestza que la solucie dptima para (6) no poede ocurtir en (0, x]. Asi,en ol caso 1, € © Cr, b].(Wéase la figura 33.) aso? fix) = fx). Para alguna parte del intervalo fx. lv solucion optima para (6) debe ceurrir pera alguna © < [at aa) (Vase la figura 34.) easn3 fly) > flea). En este casa, f(x) comienza a dismimuir antes que legue a xp. Asi 5 © fa, xy). (Véase la figura 38.) £] intervalo en el que debe quedar £ —ya sea [4, x2) 0 (x), Bj se sina ¢l Intervale de incertidumbre. Muchos algaritinos de busqueda usan estas ideas para redueir el intervalo de incerti- dumbre [véase Bazaraa y Shety (1995, seccidn 8.1)], La mayoria de estos algoriimos pro- ceeden como sigue: 12], fx) debe set decreciemte, y Por lo tanta, en el exs0 2, Paso 1 Comience con la regién de incertidumbre (a, 6} para.x. Evalie /(x) en dos puntos 1 ¥inp Chegidos de manera juiciosa, Pasa 2 Determine cuil de Tos casas { a 3 se cumple, y encuentre un intervalo reducido de incertidumbre, Pain 3 Eval fiom dos nuevos puntos (el algoritm especifica sémo se eigen os dos aveves puntos), Vuela al paso 2. menos que la longitu del interval de incertae cea sficientemente peut fe) fe) surkinue 14 Ppa iFIGURA 96 ‘Ubieneion de 2, para la bésqueda de a seein urea Se analiza en detalle tal algoritro de bisqueda: busqueda de secei6a furea. Al usar es- te algoritmo con el finde resolver (6) para una funcién unimodal fr), se veri que cuando seeligen dos puntos nuevos en el paso 3, uno siempre coincide en el que ya se evalud fx) Seu 7 la tnica ruiz positiva de la ceuscién cundritiea + r= 1. Entonees eon a formula euadrdtion se tiene que (véaseel problema 3al final de esta seccién para una explieacién de por qué se hace refe- reneia ar came la seccién durea) La busqueda de la seein éurea comienza con la eva- Iuacién de f(x) en os puntos 1, y 1, donde x, = 8 — rb — a), yx; =a + r(b — ay (véase la figura 36). De esta figura, se ve que para encontrar x), se avanza una fraccin r del in tervalo desde el punto final derecho: para encontrar ts, s¢ avanza una facciém r de! iner~ valo desde cl punto final izquierda. Enionces la bisqueda de seccién durea genera dos ‘nuevos puntos, en el que fi.) se debe evaluar de nuevo con los siguientes movimientos: Hueve punto ixqaierde Desplicese una distancia igual a una fracién r del intervalo actual {de incertidumbre desde el punto final derecho del intervalo de incertidumbre, tiueve punta derecho Desplicesc una distancia igual a una facsin r del insrvalo actual 4 incertiumbre desde el punto final inqulrdo del interval, Apart del aniliss de los casos 03, se sabe que i 1-3, entonces fay) < lx), entonces G (x, Bl mientras que si /lx,) = flea, emtonces E a, ¥,) SifL%) < fli), emnces el intervalo reducide de incerdurmbre tiene Longitud b — xj = r(B = a), y Sify) = fe centonces el itervaloreducdo de inertidumbre tiene longiud xz ~ a = 1{b-~ a). Asi des és de evalua fr) v/C), 5a reduc el interval de incertidumbre a una longitnd (5 ~ 0) Cada ver que f(x) se evahin en dos puntos y se reduce ct intervalo de incertidumbre, se dice que se complet una interacién de bisqueda de la secciin durea. Defina L, = longitu del intervalo de incertidumbre desputs que se ‘completan A iteraciones del algoritmo 4 = intervalo de incertidumbre después de completard iteraciones Entonces se ve que da = 16 ~ a),¥ Ju = (ay), 0 bien, fy = (x1, 8) Siguiendo este procedimicnto, s¢ generan dos nuevos puntos, 1; y.14 en los que se de bbe evaluar fix) Gaea 1 /lr;) < fle) El nuevo tntervalo de incertidumbre, (x, b], tiene longitud b x, = #(6 ~ a), Entonces (véase Ia figura 37a) ty = nuevo punto iaquierdo = 8 — Wb —) = 6 — Fib a) x4 nuevo punto derecho =an5 + (6 ~ x1) EI nuevo punto iaquierdo, x, seri igual al punto derecho anteiog, x, Para ver esto, use el hhocho de quer? = 1 — r para concluir que x3 = b ~ °(b— a) = 6 ~ (1 ~ FX6 — a) = a+b ~ a) =x, =i 11. sola a ce aes 651Figura 37 Com geoerar nuewes puntos ea la bisqueda de bs saci dure Sif) 2A me hers ensued es) Casa 2 fix) = flag). El move intervalo de incertiduimbe, (2, a = nb ~ a), Entonces (véase la Figura 376) ene Jongitud 4, — 5% nuevo punto iaquierdo = xx — rey = a) weve punto derecho =a + r(x; — a) =a + (ba) El muevo punto derecto, x4, sera igual al punto izquierdo anterior, x). Para ver esto, use el hecho de que # = 1 — rpara conchin que i= 4 + PUB ~ a) = a4 (1 ~ rib ~ a) © barb a) 8, ‘Ahora los nuevos valores de f(s) y/(ea) 88 posden usar pars reducir mis la Tongitud del intervale de incertidumbre, En este punto, se han completado das iferaciones de bisqueda, de la seccidm durea, Ya se demoetré que en cada iteracién de la bisqueda de la seccion aurea, f(x) se debe evaluar en s6lo wno-de fos nuevos puntos. Bs fell ver que He = Hy = FU — a) ye ae peral, con, Ly = rdy_y se obtiene 2 = r(b ~ a), Asi, si se quiere que el incervalo final de incertidumbec tenga una longitude, se deben llevar a cabo & iteraciones de la hasqueda de Ia seccitin urea, donde rb = a) < « slice ls bisqueds dela seclin Sunes para encontrar max 2 = sa -Ises075 con el incrvalo de incertidumbre final que ine una Fongicd mene que. Aguia = ~1, = 0.25 yb —a = 1.75, Para determinar el nimero de&iteraciones deta bisque de i secion urea que se deen llevar a eabo, se abiene el vale def apart de 175(0.6184) < 0.25, obien, 0.618" < +, Aplicando lactones naturales en abot des, 36 obtiens in 0618 < M-048) < — 1.95 bolt As, 8 llevan a cabo las cinco Heraciones de la biasqueda de la socei6n urea, Primero $= determina x ¥ 4 1 = 0.75 ~ @.618)1.75) = —03018 2p = 1 + (0.618)(1.78) = OO81S 1 Pain feaEnionces tsi) = ~1.1099'y fix = ~ 1.0066, Debido a que flay) < flan}, el nueva inter valo de inoertidumbre es f) = (x1, 4] = (—0.3315, 0.75), y se tiene que x5 = 21. Por sue pursto, L; = 0.75 + 0.3315 = 10815. Abora se determinan los dos nuevos puntos xy y xy % oosis xe= ~0.5315 + 0.618(1.0815) = 0.3369 Ahora /{x;) = fla} = — 1.0066 y fixe) 1.1135, Debido a que /ixs) > flx,), enton- «08 el nuevo imtervalo de incertidumbre es Js = [—0.3315, x4) = [~0.3315, 0.3369), y.xe ser igual a.x5, También, L; = 0.3369 + 0.3315 = 0.6684, Entonces 415 = 0.3369 ~ 0.61840.6684) = —0.0762 Ke = 1 = 00815 Note que flrs) = —1.0088 y flrs) = flay) = ~1.0066. Debido a que (x5) > fx) el nueva intervalo de incertidumbre es /5 = [~0.8315, xg) = [—0.3315, 0.0815) y Es 0.0815 + 0.3318 = 0.4130. Debide a que for4) < fxs, se tiene que x5 ®t ¥ FU58) = 1.0058, Ahora, 5 = 0.0815 ~ 0.618(0.413) = ~0.1737 fy = ay = 0.0762 ¥ fla) = ~1.0302. Debido a que fis) > f(a). ¢1 nuevo intervalo de incertidumbre es 1, = (sr, OBIS] = (—0,1737, 0.0815], y Ly = 0815 + 0.1737 = 0.2552, Asimismo, se cumple-que, 9 = 15 Por iltimo, ec fig = -O.1737 + 0.618(0,2852) = -0.016 Abora fla) = flte) = ~ 1.0058 y firya) = —1.0003. Debido a que fixie) > fxn), el ‘nuevo intervalo de incertidumbee es J = (ry, Q0815] = (0.0762, 0.0815] y Ls = 0.0815 + 0.0762 = 0.1577 < 0.25 (como se desea). Por Jo tanto, se determin’ que may — = 1 sa -1Sx 50.75 debe quedar en el intervale (0.0762, 010815], (Por supuesto, el miximo real osurre pa- me=0) {La buisqueda de la seceiéin urea se puede aplicar « un problema de minimizactin al ‘ultiplicar Ia funeida objetivo por ~ 1. Para esto se supone que la funciba objetivo modi- ficada es unimodal Uso de hojas de célculo para llevar a cabo de la seccién durea Caideusts En a figura 38 (archive Goiden-xl) se muestra una ejecucn dela hisequeda de la seecin surea en Lotus 1-2-3 Se empieza por inroducir los punios finals izquido y derecho (a= ~1, b= 75) del intervalo de incenicumbee par el ejemplo 25 en las eeldas A2 y B2. Se calela» eseribiendo a formula (55-192. Luego, se nombra ls celda G2 eon el rango & (gon la sccusnsia de insiruccioncs INSERT NAME CREATE), En las formulas posterior, se retire al rango Ry toma el valor de rcalculado-en G2. Se cabeula el pun= ' inquierds inicial x, imroduciendo la formuls =B2-R%(B2-A2) en C2 y el punto dere- ho incial x, escribiendo la fSrmula = A2+R*(B2-A2) en D2. De hecho, las frmulas en Cy D2 ponen en prictica I figura 36. Se evahia f(x) itroduciendo ~(C2*2-1) en EX y flex) eseribiendo ~(D2)'2-1 en F2 busqueda 91, Bip ewe re 653