INSTITUTO TECNOLGICO SUPERIOR DE IRAPUATO

Profesor:
M. en I. Rafael Barajas Vidal
Alumno:
Casillas Crisanto Jesus Salvador IS12110506
Cordoba Villalobos Marco Antonio IS12110779
Ramirez Lopez Gerardo

IS12110507

Tema:
Optimizacion de funciones
Fecha:06/04/2016

Introduccin
La aptimizacin de funcin no lineales es una herramienta importante en
el diseo asistido por ordenador y es parte clase ms amplia de
optimizacin llamada programacin no lnea. La meta bsica es la
minimizacin de algunas funciones objetivas no lineales de costo sujetas
a restricciones de igualdad y desigualdad no lineales.
Las herramientas matemticas que son usadas para resolver parmetros
sin restricciones de problemas de optimizacin vienen directamente de
clculos multi-variables.

Optimizacin de funciones no lineales

Las condiciones necesarias para minimizar la funcin costo es:

x 1, x 2, . , x n
)
f
f

Es obtenido por ajuste de derivacin de

con respecto de la variable igual a

cero. i, e.

f
=0
xi

i=1, , n

f =0
Donde

f=

f f
f
,
, ,
x 1 x2
xn

Que es conocida como el vector gradiente. Los trminos asociados con la

segunda derivada son dados por:

H=

2 f
xi x j

La ecuacin anterior resulta en una matriz simtrica llama la matriz Hessian de

la funcin.
Una vez que la derivada de

( x 1 , x 2 , , xn) ,
evaluadas a

de

es desaparecida a extremos locales

para tener un mnimo relativo, la matriz Hessian

( x 1 , x 2 , , xn)

deben de ser una matriz positiva definida. Esta

condicin requiere que todos los valores propios de la matriz Hessian

evaluadas

( x 1 , x 2 , , xn)

son positivas.

En resumen, sin restricciones mnimas de una funcin son encontradas por sus
ajustes parciales de derivadas (con respecto parmetros que pueden ser
variados) iguales a cero y resolviendo para los valores de los parmetros. Entre
los conjuntos de los valores de parmetros obtenidos, aquellos en los que la
matriz de las segundas derivadas parciales de una funcin costo es definitiva

positiva son mnimos locales. Si hay un mnimo local, es tambin un mnimo

global; otra manera, la funcin costo debe ser evaluada en cada una de los
mnimos locales para determina cual es el mnimo global

Parmetros de restriccin de optimizacin

Restricciones de igualdad
Este tipo de problema surge cuando estas son funciones dependientes entre
los parmetros a ser escogidos. El problema es para minimizar la funcin de
costo

f ( x1 , x2 ,..., xn )
Sujeta a las restricciones de igualdad

gi ( x1 , x2 ,..., xn ) 0

i 1, 2,..., k

Tal problema puede ser resuelto con el mtodo del multiplicador de LaGrange.
Esto proporciona una funcin de coste aumentada mediante la introduccin de

-vector
de cantidades indeterminadas. La funcin de costos sin
restricciones se convierte en
K

L f i g i
i 1

Las condiciones necesarias para que resulten mnimos locales restringidos de

son los siguientes:

k
g
L f

i i 0
xi xi i 1 xi

L
gi 0
i
Obsrvese que la Ecuacin anterior es simplemente la restriccin original.

Restricciones de desigualdad
Problemas prcticos de optimizacin contienen restricciones de desigualdad,
as como restricciones de igualdad. El problema es para minimizar la ecuacin
de costos

f ( x1 , x2 ,..., xn )
sujeta a la restriccin de igualdad

gi ( x1 , x2 ,..., xn ) 0

i 1, 2,..., k

y la restriccin de desigualdad

u j ( x1 , x2 ,..., xn ) 0

i 1, 2,..., m

El multiplicador de LaGrange es extendido para incluir la restriccin de

desigualdad por medio de la introduccin de un vector

-vector
de
cantidades indeterminadas. Las funcione indeterminada de costos es dada por
k

i 1

j i

L f i gi j u j
Las condiciones necesarias para que resulten mnimos locales restringidos por

son los siguientes:

L
0
2 xi

i 1,..., n

L
gi 0
i

i 1,..., k

L
uj 0
j

j 1,..., m

ju j 0

&

j 0

j 1,..., m

Casos de estudio
Problema 7.5 (Power System Anayisis Hadi Saadat)
Encuentre el valor mnimo de la ecuacin

f ( x, y ) x 2 y 2
sujeta a la restriccin de igualdad

g ( x, y ) x 2 6 x y 2 17 0
Solucin del problema

L x 2 y 2 ( x 2 6 x y 2 17)

L
2 x (2 x 6) 0
x
L
2 y 2 y 0
y
L
x 2 6 x y 2 17 0

2 x (2 x 6) 0
2 x (1)(2 x 6) 0

3
1.5
2

x 2 6 x y 2 17 0
(1.5) 2 (6)(1.5) y 2 17 0
y 2 (1.5) 2 (6)(1.5) 17
y 3.2015

f ( x, y ) (1.5) 2 (3.2015)2 12.5

Problema 7.6 (Power System Anayisis Hadi Saadat)

Encuentre el valor mnimo de la funcin:

f ( x, y ) x 2 y 2
Sujeta a la restriccin de igualdad:

g( x, y ) x 2 5 x y 2 20 0
y una restriccin de desigualdad:

u( x, y ) 2 x y 6
Solucin del problema

L x 2 y 2 ( x 2 5 x y 2 20) (2 x y 6)
L
2 x (2 x 5) 2 0
x
L
2 y 2 y 0
y
L
x 2 5 x y 2 20 0

L
2x y 6 0
x

2 x( 1) 4 y ( 1) 5
y 6 2x

24 19
10 6

12 2
10 6
2

12 2
24 19
24 19

5

20 0
10 6
10 6
10 6

507 2 1690 1232 0

1 2.2564
2 1.0769

( x, y ) 5.3333, 1.0769 2.2564, 11.73

( x, y ) (1, 4) 1.0769, 0.6153

Conclusin
Del presente reporte se concluye que es una herramienta para la optimizacin
de funciones ya que con ella se obtiene los puntos ptimos de operacin en
base a las restricciones que se mencionan que se aplican en cada uno de los
casos de estudio

Bibliografa
Saadat, H. (1999). Power Systema Analysis. New York: McGraw-Hill.