Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Un ejemplo general
Sea la funcin convexa f(x)=12(x21+x22) donde >0 es una
origen (x1,x2)=(0,0).
% definimos eta
% definimos la funcin
% calculamos variables para
% representacin de f como
% representacin de f con curvas
%
%
%
%
%
definimos el gradiente
definimos el tamao de paso
valor inicial
inicializamos la sucesin
construmos la sucesin
% representacin funcin f
% representacin sucesin X
% clculo de f para los puntos de X
% representacin
cada iteracin')
Multiplicadores de Lagrange
Introduccin[editar]
Consideremos un caso bidimensional. Supongamos que tenemos la funcin, f (x, y), y queremos
maximizarla, estando sujeta a la condicin:
donde c es una constante. Podemos visualizar las curvas de nivel de f dadas por
para varios valores de dn, y el contorno de g dado por g(x, y) = c. Supongamos que hablamos de la
curva de nivel donde g = c. Entonces, en general, las curvas de nivel de f y g sern distintas, y la
curva g = c por lo general intersectar y cruzar muchos contornos de f. En general, movindose a
travs de la lnea g=c podemos incrementar o disminuir el valor de f. Slo cuando g=c (el contorno
que estamos siguiendo) toca tangencialmente (no corta) una curva de nivel de f, no se incrementa
o disminuye el valor de f. Esto ocurre en el extremo local restringido y en los puntos de
inflexin restringidos de f.
Un ejemplo familiar puede ser obtenido de los mapas climatolgicos, con sus curvas de nivel de
presin y temperatura (isbaras e isotermas respectivamente): el extremo restringido ocurrir
donde los mapas superpuestos muestren curvas que se tocan.
Geomtricamente traducimos la condicin de tangencia diciendo que los gradientes de f y g son
vectores paralelos en el mximo. Introduciendo un nuevo escalar, , resolvemos
[f(x, y) - (g(x, y) c)] = 0
para 0.
Una vez determinados los valores de , volvemos al nmero original de variables y as
continuamos encontrando el extremo de la nueva ecuacin no restringida.
lo que es equivalente a
Demostracin
Los multiplicadores desconocidos k se determinan a partir de las ecuaciones con las restricciones
y conjuntamente se obtiene un extremo para h que al mismo tiempo satisface las restricciones
(i.e. gk=0), lo que implica que f ha sido optimizada
El mtodo de multiplicadores de Lagrange es generalizado por las condiciones de Karush-KuhnTucker.
Ejemplos
Ejemplo #1
Supongamos que queremos encontrar la distribucin probabilstica discreta con mxima entropa.
Entonces
Podemos usar los multiplicadores de Lagrange para encontrar el punto de mxima entropa
(dependiendo de las probabilidades). Para todo k desde 1 hasta n, necesitamos
lo que nos da
Esto muestra que todo pi es igual (debido a que depende solamente de ). Usando la restriccin
k pk = 1, encontramos
Ejemplo #2
Determinar los puntos en la esfera
punto
la distancia al punto
la restriccin:
De acuerdo con el mtodo de los multiplicadores de Lagrange, se resuelven las ecuaciones
"
"y"
(1
(2)
(3)
(4)
y luego
se observa que
1 por que si
no se puede
se obtiene que
y entonces los puntos (x, y, z) son :
Restricciones:
Aplicar el mtodo:
Entonces:
El caso bidimensional
Como en el caso no restringido en el que usamos la matriz Hessiana y el criterio de Sylvester para
determinar la naturaleza de los puntos crticos, en presencia de multiplicadores de Lagrange existe
un mtodo anlogo para descubrir si un punto crtico v0 es mximo, mnimo, o punto silla.
Sea f:U2 y g:U2 dos curvas suaves de clase C2. Sea v0U tal que g(v0)= c y sea S el
conjunto de nivel de g con valor c. Asumimos que
f(v0) =
tal que
evaluada en v0
1. Si |H|>0 entonces v0 es un mximo local en f limitada a S
2. Si |H|<0 entonces v0 es un mnimo
local en f limitada a S
3. Si |H|=0 entonces el criterio no
concluye nada
El caso n-dimensional
Anlogamente al caso bidimensional, consideramos el caso n-dimensional, Sea f:Un
y g:Un dos curvas suaves de clase C2. Sea v0U tal que g(v0)= c y sea S el conjunto de
nivel de g con valor c. Asumimos que
g(v0). Para la funcin auxiliar h = f -
tal que
f(v0) =
evaluada en v0
Examinamos los determinantes de las submatrices en la diagonal de orden mayor o igual a 3:
Optimizacion con
restricciones de igualdad
1. Formulacin del problema
Sea:
: n diferenciable
gi: n i = 1m diferenciables
b1bm
Un problema de optimizacin con restricciones de igualdad se formula:
(n=2, m=1)
Nota:
1. Las restricciones de tipo igualdad no establecen fronteras al conjunto de
lassoluciones factibles del programa, sino que reducen las dimensiones
del espacio donde el programa est definido.
2. Los ptimos que obtendremos sern dbiles en el sentido de que una
pequea variacin en las restricciones har que dejen de ser ptimos.
Por este motivo los llamaremos ptimos condicionados o
restringidos.
ii.
iii.
Mtodo de Lagrange
Se
trata de determinar el punto de la restriccin por el que pasa la curva de nivel ms baja.
es equivalente a
La funcin objetivo es ahora una funcin con una variable menos:
Por tanto,
Entonces,
Ejemplos de aplicacin:
Ver ejemplo 1
Ver ejemplo 2
se sustituye por
siendo
se cumple
que
Ver ejemplo 1
Ver ejemplo 2
Ver ejemplo 1
Ver ejemplo 2
Condicin suficiente
Sea un punto
tq
entonces, si denotamos como Hx L
en
definida negativa
en otro caso:
tal que
Ver ejemplo 1
Ver ejemplo 2
>0
es mnimo condicionado
<0
es mximo condicionado
, multiplicadores de Lagrange.
Ejemplo de aplicacin 1
Condicin necesaria:
(*)
Obtenemos:
Condicin suficiente:
definida positiva
Resultado:
Ejemplo de aplicacin 2
Condicin necesaria:
Y obtenemos:
x = , y= =
Condicin suficiente:
indefinida
Entonces,
Resultado:
Si se modifica un poco
ptimo.
es justamente
. Pues bien, la
. De aqu se