METODO DE LAGRANGE - OPTIMIZACION SIN RESTRICCIONES
-
Upload
miguel-saavedra -
Category
Documents
-
view
243 -
download
2
description
Transcript of METODO DE LAGRANGE - OPTIMIZACION SIN RESTRICCIONES
REPUBLICA BOLIVARIANA DE VENEZUELA INSTITUTO UNIVERSITARIO POLITECNICO
“SANTIAGO MARIÑO” ESCUELA DE INGENIERIA DE SISTEMAS
Metodo de lagrange Optimización sin Restricciones con más de una
Variable
Joseph Louis Lagrange (1736-1813)
Portada: Miguel G. Saavedra Y. - Yanis D. Perez C. OPTIMIZACION DE SISTEMAS Y FUNCIONES
matemático nacido en Italia.
CONTENIDO
EDITORIAL m.Y
HISTORIA DEL METODO
DE LAGRANGE
Pág. 1-2-3
METODO DE LOS
MULTIPLICADORES DE
LAGRANGE
Pág. 4
CARACTERISTICAS
Pág. 5
OBJETIVOS
Pág. 6
CAMPO DE APLICACIÓN
Pág. 7
IMPORTANCIA
Pág. 8
OPTIMIZACION SIN
RESTRICCIONES
FUNCION DE 2
VARIABLES
Pág. 9
MAXIMOS, MINIMOS,
PUNTO DE SILLA
Pág. 10
FUNCION OBJETIVO DE 2
VARIABLES
Pág. 11-12
EJERCICIOS PROPUESTOS
EJERCICIO #1
Pág. 13
EJERCICIO #2
Pág. 14-15
ENTRETENIMIENTO
Pág. 16-17
BIBLIOGRAFIA
Pág. 18
HISTORIA DEL METODO DE LAGRANGE
El método lagrangian (también
conocido como multiplicadores
lagrangian) lo propuso Joseph
Louis Lagrange (1736-1813), un
matemático nacido en Italia. Sus
multiplicadores lagrangian tienen
aplicaciones en una variedad de
campos, incluyendo el físico,
astronomía y económica.
La lectura de una obra del astrónomo inglés
Edmund Halley despertó su interés, y, tras un año
de incesante trabajo, era ya un matemático
consumado. Fue nombrado profesor de la Escuela de Artillería.
.
L .L
LA
GR
AN
GE
1
1758 fundó una sociedad, con la ayuda de
sus alumnos, que fue incorporada a la
Academia de Turín.
En 1764 recibe un premio por la
Academia de Ciencias de París por su
trabajo sobre el equilibrio lunar
razonando “la causa de que la luna
siempre mostrara la misma cara”
LA
GR
AN
GE
2
1795 Se le concedió una cátedra en
la recién fundada École Normale, que
ocupó tan solo durante cuatro meses.
L .L
1798 Sus enseñanzas sobre cálculo diferencial
forman la base de sus obras Teoría de las funciones
analíticas y Resolución de ecuaciones numéricas
1810 Inició una revisión de su Teoría, pero sólo
pudo concluir dos terceras partes antes de su muerte.
LA
GR
AN
GE
3
método de los
Multiplicadores de Lagrange L .L
En los problemas de
optimización, el método de
los multiplicadores de
Lagrange es un procedimiento
para encontrar los máximos y
mínimos de funciones de
múltiples variables sujetas a
restricciones.
Reduce el problema restringido
con n variables a uno sin
restricciones de n + k variables,
donde k es igual al número de
restricciones
El método dice que los puntos
donde la función tiene un
extremo, condicionado con k
restricciones, están entre los
puntos estacionarios de una
nueva función sin restricciones
construida como una
combinación lineal de la
función y funciones
implicadas en las restricciones,
cuyos coeficientes son los
multiplicadores.
La demostración usa
derivadas parciales y la regla
de la cadena para funciones
de varias variables.
Se trata de extraer una
función implícita de las
restricciones, y encontrar las
condiciones para que las
derivadas parciales con
respecto a las variables
independientes de la función
sean iguales a cero.
LA
GR
AN
GE
4
LA
GR
AN
GE
5
Ca
ra
ct
er
ist
ica
s METODO DE LAGRANGE
El método de eliminación de variables
no resulta operativo cuando el problema
tiene muchas restricciones o las
restricciones son complejas, por lo que
resulta muy útil éste método.
Los Multiplicadores de Lagrange es un
método alternativo que además
proporciona más información sobre el
problema.
Todos los óptimos que verifiquen las
condiciones de regularidad establecidas
tienen asociados los correspondientes
multiplicadores.
El teorema de Lagrange establece una
condición necesaria de optimalidad (bajo
las condiciones de regularidad).
LA
GR
AN
GE
6
objetivos
METODO DE LAGRANGE
L .L
Visualizar algunas superficies
cuádraticas y curvas de nivel
para distintos valores de la
variable z.
Adquirir habilidad en la resolución de problemas
de optimización en un ambiente computacional.
Identificar, a través de los
simuladores, los puntos (x,y)
sobre la curva correspondiente
a la función restricción donde
la función principal tiene
extremos.
Interpretar gráficamente los resultados obtenidos empleando
el método de multiplicadores de Lagrange.
LA
GR
AN
GE
7
Campo de
aplicación
METODO DE LAGRANGE
Está en todas las ramas de la
ciencia, en la Física,
Matemática, Química,
Astronomía, Biología,
Economía entre otras
ciencias.
Situaciones en las que
conociendo un conjunto de datos
experimentales en un
cierto intervalo de la variable
independiente, esto es,
conociendo una cierta cantidad
de datos tabulados, se hace
preciso encontrar una función
El método de la interpolación
de Lagrange es de gran
importancia en el análisis
numérico.
LA
GR
AN
GE
8
METODO DE LAGRANGE
importancia
Radica en que nos
muestra que
podemos asociar una
función de utilidad a
unas preferencias,
estos nos abre la
puerta de la potente
herramienta del
análisis matemático
para el estudio de
encontrar los
máximos y mínimos
de funciones de
múltiples variable
sujetas a
restricciones.
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
9
Optimizacion sin restricciones FUNCIONES DE 2 VARIABLES.
Optimización es el proceso de
hallar el máximo o mínimo
relativo de una función,
generalmente sin la ayuda de
gráficos.
El problema de minimizar o maximizar una función
sin que existan restricciones se le conoce como
“optimización sin restricciones”. Dada que esta
función puede ser de una o más variables
Los problemas con restricciones
pueden ser tratados con los
multiplicadores de Lagrange
como uno sin restricciones.
10
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
Los máximos o mínimos de una
función conocidos como extremos
de una función, son los valores
mas grandes (máximos) o mas
pequeños(mínimos) que toma una
función en un punto situado ya sea
dentro de una región en particular
de la curva o en el dominio de la
función en su totalidad.
Maximos, minimos Punto de silla
Punto de silla es el punto sobre una
superficie en el que la pendiente es
cero pero no se trata de un extremo
local (máximo o mínimo
11
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
Funcion objetivo de dos variables
Para que una función como z = f (x,y) tenga un mínimo o máximo
relativo, tres condiciones deben ser satisfechas:
1. Las derivadas parciales de primer
orden deben simultáneamente ser
iguales a cero. Ello indica que en un
punto dado (a,b) llamado “punto
critico”, la función no esta creciendo
ni decreciendo con respecto a los
ejes principales sino a una superficie
relativa
2. Las derivadas parciales de segundo orden deben ser negativas
cuando ellas son evaluadas en el punto critico (a,b) para un
máximo relativo y positivas para un mínimo relativo. Ello
asegura que la función es cóncava y moviéndose hacia abajo en
relación a los ejes principales en el caso de un máximo relativo
y la función es convexo y moviéndose hacia arriba en relación a
los ejes principales en el caso de un mínimo relativo.
12
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
F.O. DE DOS VARIABLES
3. El producto de las derivadas
parciales de segundo orden
evaluadas en el punto crítico
deben exceder el producto de
las derivadas parciales
cruzadas también evaluadas en
dicho punto. Esta condición
adicional es necesaria para
evitar un punto de inflexión o
punto de silla.
13
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
EJERCICIOS PROPUESTOS EJERCICIO #1
Dada la función z definida por z= x³-3y²+5xy+x-2y+5 hallar dz y dz dx dy Solución: Paso # 1 Se encuentra la derivada parcial de (z) con respecto a (x) z= x³-3y²+5xy+x-2y+5 dz = 3x²+5y+1 dx Paso # 2 Se encuentra la derivada parcial de (z) con respecto a (y) Z = x³-3y²+5xy+x-2y+5 dz = -6y+5x-2 dy
14
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
EJERCICIOS PROPUESTOS EJERCICIO #2
Prueba que la función f definida por
f(x,y)= 3x²y⁴-12x⁶+2xy⁵ satisface la ecuación.
x df + y df = 6f (x,y)
dx dy
Solución :
Paso # 1
Se deriva la función (f) en forma parcial con respecto a (x)
F (x,y) = 3x²y⁴-12x⁶+2xy⁵
df = 6xy⁴-72x⁵+2y⁵ dx
15
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
Paso # 2
Se deriva la función parcial con respecto a (y) para
sustituir en x
df + y df = 6 f (x,y)
dx dy
F (X,Y) = 3X²Y⁴-12x⁶x2xy⁵
df = 12x²yᶟ+10x y⁴ dy
Sustituyendo (a) y (b) en:
X df + df = 6 f (x,y)
dx dy
x(6xy⁴- 72x⁵+2y⁵)x y (12x²yᶟ+10xy⁴) = 6 f (x,y)
6x²y⁴ - 72 x⁶+2xy⁵+12x²y⁴+10xy⁵ =6 f(x,y)
18x²y⁴ -72 x⁶+12xy⁵=6 f (x,y)
6 (3x²y⁴ - 12x⁶+2xy⁵) = 6 f (x,y)
Lo que queda después : 6f(x,y) = 6 f(x,y)
EJERCICIOS PROPUESTOS EJERCICIO #2
16
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
17
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
PRUEBA TU CONOCIMIENTO
Op
tim
iza
ció
n
sin
Res
tric
cio
nes
18
BIBLIOGRAFIA
ASTRONOMIA
http://www.astromia.com/biografias/lagrange.htm
BIOGRAFIAS Y VIDAS
http://www.biografiasyvidas.com/biografia/l/lagrange.htm
MÁXIMOS Y MÍNIMOS MEDIANTE EL MÉTODO DE
LAGRANGE
http://www.fis.utfsm.cl/fis140/Lagrange.pdf
MULTIPLICADORES DE LAGRANGE
http://es.slideshare.net/briancitoguerra69/multiplicadores-de-
lagrange-29025170
OPTIMIZACION SIN RESTRICCIONES
Prof. Cesar de Prada
http://prof.usb.ve/mirodriguez/Sinrestricciones1.pdf