Beruflich Dokumente
Kultur Dokumente
CURSO: ANLISIS DE SISTEMAS DE POTENCIA 2 TEMA: MTODO DE LOS MULTIPLICADORES DE LAGRANGE PRESENTADO POR: QUISPE SURCO MARCO ANTONIO DOCENTE: Ing. Mcs. HOLGER MEZA DELGADO AREQUIPA- PER 2014
CONTENIDO
1.- INTRODUCCIN ................................................................................................................. 3 2.- MXIMOS Y MNIMOS MEDIANTE EL MTODO DE LAGRANGE: ...................................... 3 3.- MTODO DE LAGRANGE PARA TRES DIMENSIONES, CON UNA RESTRICCIN ................. 6 4.- MTODO DE LAGRANGE PARA TRES DIMENSIONES, CON DOS RESTRICCINES ............. 6 5.- MTODO DE LAGRANGE GENERALIZADO ......................................................................... 8 6.- EJEMPLO .......................................................................................................................... 10 7.- BIBLIOGRAFA .................................................................................................................. 13
Esto es lo mismo que especificar el punto donde el gradiente de la funcin en el plano XY se anula:
Como sabemos, el gradiente en este caso es un vector en el plano XY que indica la direccin hacia donde hay que moverse para que la funcin aumente ms bruscamente. El gradiente se anula en los puntos donde la funcin es horizontal (donde la funcin no aumenta hacia ningn lado). En la figura se muestra una funcin con un mximo bien notorio. Las curvas de nivel indican los puntos donde la funcin tiene un valor dado. El gradiente de la funcin en un punto dado tiene direccin perpendicular a la curva de nivel que pasa por ese punto. En el mximo, la curva de nivel degenera en un solo punto. En tal caso, el gradiente es cero: a partir de ese punto no hay ninguna direccin hacia donde la funcin aumente. ANLISIS DE SISTEMAS DE POTENCIA 2 3
A veces no queremos buscar el mximo de la funcin en todo el dominio (plano XY, en este caso), sino slo a lo largo de una curva en el plano XY (en el caso de una funcin de 3 variables, es decir en el volumen XYZ, la restriccin puede ser una curva o una superficie en el espacio XYZ). Nuestro problema es entonces cmo encontrar los extremos de f si queremos limitarnos slo a puntos (x,y) que estn sobre una curva definida por: g(x,y) = 0 La forma ms directa (aunque no necesariamente la ms simple de calcular) es usar la condicin de restriccin g(x,y) = 0 para despejar y como funcin de, x,y=y(x), y luego reemplazar este valor de y en la funcin. f(x,y(x)) De esta forma, tenemos una funcin de una variable menos (en este caso una funcin que slo depende de x) sin restricciones. Para encontrar los extremos, simplemente buscamos los puntos x tales que:
Lo malo de este mtodo es que en la prctica no siempre es posible despejar y = y( x) Alternativamente, podemos definir la curva g ( x, y) = 0 en forma paramtrica, es decir, mediante un par de funciones de un parmetro t: x = x(t ) e y = y(t ) tales que g ( x(t ), y(t )) = 0 . En este caso, buscamos el extremo de la funcin f (t ) = f ( x(t ), y(t )) usando, como siempre, la condicin: Derivada de f con respecto de t = 0 En la prctica, esto a veces tampoco resulta fcil de hacer.
Veamos entonces la otra alternativa: el mtodo de Lagrange. Grficamente, la funcin f ( x, y) se puede representar por un mapa de curvas de nivel en el plano XY, que en el ejemplo anterior son curvas circulares. Como sabemos, el punto mximo est en el centro de las curvas de nivel. Sobre este grfico podemos dibujar la curva de restriccin atraviesa la figura. Note que en esta figura, hemos dibujado la curva con un parmetro t, que avanza de izquierda a derecha. En el ejemplo, la funcin es mayor mientras ms nos movemos hacia el centro de las curvas de nivel. El mximo de f a lo largo de la curva ocurre en el punto tal que al avanzar sobre la curva no nos cambiamos de nivel, es decir donde la curva es
tangente a la correspondiente curva de nivel. En otras palabras, el extremo de la funcin f sobre la curva g = 0 ocurre donde el gradiente de f es perpendicular a la curva g = 0. Hay otra forma de especificar esto ms elegantemente: uno siempre puede definir el gradiente de la funcin g, esto es g , puesto que g ( x, y) es simplemente otra funcin ms en en plano XY, donde la restriccin g ( x, y) = 0 simplemente corresponde a una de las curvas de nivel de g. Esto significa que g , para puntos sobre la curva g = 0, es un vector perpendicular a esta curva. La condicin del extremo es, por lo tanto, un punto donde el gradiente de f es paralelo al gradiente de g: Condicin de extremo: f = g , donde es una constante de proporcionalidad. Esta elegante condicin corresponde exactamente al Mtodo de Lagrange para encontrar mximos y mnimos de una funcin f ( x, y) sujeto a la restriccin g ( x, y) = 0 :
a) Construya una nueva funcin f ( x, y) = f ( x, y) g ( x, y) , donde es una constante (multiplicador de Lagrange), hasta aqu desconocida. b) Extremice esta nueva funcin, considerando las variables sin restriccin, es decir: f ( x, y) = 0 Las ecuaciones obtenidas sern funciones de las coordenadas x, e y del parmetro . c) Use la ecuacin de restriccin g ( x, y) = 0 para determinar . El uso de este mtodo es que es fcil de aplicar y fcil de generalizar a un nmero mayor de variables y de restricciones. 3.- MTODO DE LAGRANGE PARA TRES DIMENSIONES, CON UNA RESTRICCIN Queremos encontrar los extremos de f ( x, y, z) , sujeto a g ( x, y, z) = 0 . Esto se generaliza en forma muy simple: a) Ahora trabajamos en el espacio XYZ en vez del plano XY. b) Ahora f ( x, y, z) se puede representar en el espacio XYZ por superficies de nivel, donde cada superficie es el lugar de puntos donde la funcin tiene un valor dado. Tal como las curvas de nivel en dos dimensiones, las superficies de nivel resultan como hojas paralelas en cada vecindad, y el gradiente de la funcin es un vector que apunta normalmente a las hojas en la direccin en la que la funcin aumenta. c) Ahora, la funcin de restriccin g ( x, y, z) = 0 es una superficie, que corresponde a una de las superficies de nivel de la funcin g ( x, y, z). d) Claramente, el extremo de la funcin f sujeta a la restriccin g = 0 ocurre donde el gradiente de f es perpendicular a la superficie g = 0, es decir, nuevamente los vectores gradiente de f y g son paralelos. 4.- MTODO DE LAGRANGE PARA TRES DIMENSIONES, CON DOS RESTRICCINES Qu pasa si hay dos ecuaciones de restriccin? (en 3 dimensiones, eso puede ocurrir). En tal caso, tenemos una funcin f ( x, y, z) , de la cual buscamos los extremos, sujeto a las condiciones conjuntas: g1 ( x, y, z) = 0 y g2 ( x, y, z) = 0 . Cada una de estas condiciones corresponde a una superficie en el espacio XYZ. La restriccin simultnea corresponde a los puntos que son comunes a ambas superficies, es decir, definen
una curva en el espacio XYZ, que es la interseccin de las superficies (ms vale que tal interseccin exista, pues de otro modo el problema es inconsistente). En tal caso, el extremo de la funcin, al igual que en el caso en dos dimensiones, ocurre donde la curva de restriccin es tangente a una superficie de nivel de la funcin f. Ahora, todo el problema es expresar esa condicin en trmino de los gradientes: Sabemos que en cada punto, f es un vector perpendicular a la superficie de nivel donde yace tal punto. Por lo tanto, en el punto de extremo, f es perpendicular a la curva de restriccin. La ltima pregunta que nos queda es: cmo defino la direccin de la curva de restriccin? La respuesta es que, en vez de definir la direccin de dicha curva, voy a identificar el plano normal a la curva.
Cada superficie de restriccin, en cada punto, tiene definido un gradiente, que es un vector normal a dicha superficie. Por lo tanto, la curva de interseccin de ambas superficies es normal a ambos vectores gradiente (ver figura). El plano normal a la curva, por lo tanto, es aqul que contiene a todos los vectores que son combinacin lineal de los dos gradientes, g1 y g2. Como en el punto de extremo, f debe ser normal a la curva, entonces dicho gradiente debe yacer en el plano normal. Esto significa que f es una combinacin lineal de los dos vectores gradiente g1 y g2 : mtodo de Lagrange. f = 1 g1 + 2 g2, para algn 1 y 2 .Eso es nuevamente el
5.- MTODO DE LAGRANGE GENERALIZADO Suponga que se desea optimizar la funcin real valuada f(x1, x2, . . . , xn) donde las variables x1,x2,. . . ,xn estn sujetas a las restricciones de igualdad (m < n): g1(x1, x2, . . . , xn) = 0 g2(x1, x2, . . . , xn) = 0 ... gm(x1, x2, . . . , xn) = 0 Donde las funciones f, g1, g2,. . ., gm son diferenciables. f debe tener segundas derivadas continuas, mientras que las gi deben tener primeras derivadas continuas. El primer paso consiste en determinar los puntos crticos para ello se forma la funcin Lagrangeana:
Es decir, los puntos mximos o mnimos se encuentran dentro del conjunto de puntos crticos que se obtienen de resolver el sistema formado por las ecuaciones:
Este sistema se resuelve para las variables x1, x2, . . . ,xn y 1, 2,. . . , m. As pues el sistema consta de n + m ecuaciones en n + m incgnitas. El resultado sobre la necesidad dice: Un mximo o mnimo al problema debe satisfacer el sistema de ecuaciones antes planteado. Habiendo ubicado los puntos estacionarios viene el problema de determinar si son mximos o mnimos locales. Para cada punto estacionario xo y para los valores 1, 2,. . ., m correspondientes. Se construye la matriz:
Sea ahora para i = 2, 3, . . . , n m, Bi la matriz obtenida de B1 eliminando las primeras i 1 filas y las primeras i 1 columnas, y sea i el determinante de Bi. Xo es un mnimo local si: siendo m par cuando 1 > 0, 2 > 0, . . . , nm > 0 siendo m impar, cuando 1 < 0, 2 < 0, . . . , nm < 0 Xo es un mximo local si: siendo n par cuando 1 > 0, 2 < 0, . . . , (1)nm nm < 0 siendo n impar, cuando 1<0,2>0,...,(1)nmnm>0
6.- EJEMPLO Encuentre los valores ptimos de la funcin f(x, y) = x2 + 12xy + 2y2 Sujeto a 4x2 + y2 = 25 Solucin:
De la primera ecuacin despejas Y (Observe que no conviene que despeje X o pues implica indicar una divisin con una expresin que depender de una variable y se tendra que considerar por separado el caso cuando es cero.
10
Es decir, este caso de la primera ecuacin es incompatible con la segunda. El caso = 2 sustituido en la segunda ecuacin da:
En nuestro problema n = 2 (nmero de variables en f) y m = 1 (nmero de restricciones), y por tanto debemos calcular i desde i = 1 hasta i = n m = 1. Es decir, que en este ejemplo basta calcular 1 para cada punto. La matriz B1 queda:
11
Como m = 1 es impar, Q es mnimo local. Para el punto R(x = 3/2, y = 4, = 17/4), B1 queda:
Como n = 2 es par, R es mximo local. Para el punto S(x = 3/2, y = 4, = 17/4), B1 queda:
Como n = 2 es par, S es mximo local. La grfica en la figura 1 ilustra los puntos crticos de ejemplo 1 sobre la misma superficie de la funcin: se puede observar que tales puntos corresponden a los puntos ms altos y ms bajos de la superficie restringidos a la elipse.
12
13