Beruflich Dokumente
Kultur Dokumente
on sin restricciones
6 de Septiembre, 2016
Minimizaci
on sin restricciones
Example
Recordamos...
Minimizaci
on sin restricciones
Minimizaci
on sin restricciones
Minimizaci
on sin restricciones
Considerando una funci
on escalar f : I = [a, b] R y asumiendo que f
es diferenciable, con derivada continua (f C 1 ) en I . Se desea conocer
el mnimo valor de f .
Importante
Este problema, aparentemente sin restricciones, es realmente un
problema de optimizaci
on con restricciones porque el dominio de la
funci
on esta definido.
Minimizaci
on sin restricciones
Theorem
Si existe x y un escalar positivo , tal que f (x ) f (x), para todo
x I (x , ), entonces:
1) f 0 (x ) = 0 si a < x < b,
2) f 0 (x ) 0 si x = a,
3) f 0 (x ) 0 si x = b.
(x , ) es un entorno factible de x , esto es, {x : |x x | }, con
un escalar positivo.
Importante
Este teorema constituye una condici
on necesaria de optimalidad.
Ademas, el mnimo asociado es mnimo local.
Minimizaci
on sin restricciones
Si la funci
on f tiene derivadas primera y segunda continuas, esto es,
ormula de Taylor con resto de
f C 2 entonces, se puede utilizar la f
segundo orden:
1
f (x + h) = f (x ) + f 0 (x )h + f 00 (x )h2 + R2 (f )
2
Definition
Un punto que satisface la condici
on f 0 (x ) = 0 es un punto
estacionario.
Minimizaci
on sin restricciones
Theorem
Asumiendo que f C 2 y que existe x y un escalar positivo , tal que
f (x ) f (x) para todo x I (x , ), entonces f 0 (x ) = 0 y
f 00 (x ) 0.
Importante
Este resultado es valido para x [a, b]. Sin embargo, en los lmites del
intervalo, el mnimo no puede ser estacionario.
Minimizaci
on sin restricciones
Theorem
Asumiendo que f C 2 y que existe x tal que f 0 (x ) = 0 y f 00 (x ) > 0,
entonces existe un escalar positivo , tal que f (x ) f (x) para todo
x I (x , ).
Minimizaci
on sin restricciones
f 00 (x ) =
..
.
2f
x1 x2
2f
x22
..
.
...
. . .
..
.
Minimizaci
on sin restricciones
Theorem
Asumiendo que f C 2 . Si existe x y un escalar positivo tal que
f (x ) f (x) para todo x I (x , ), entonces
1) f 0 (x ) = 0,
2) f 00 (x ) > 0
Importante
El significado de la u
ltima inecuaci
on es que la Hessiana debe ser
semidefinida positiva, lo cual, por definici
on, asegura que la forma
cuadratica 12 hT f 00 (x )h es no-negativa para cualquier h. Por tanto, no es
posible ning
un aumento de la funci
on cerca de x .
Minimizaci
on sin restricciones
Importante
Sin embargo, esta comprobaci
on, se puede llevar a cabo de una manera
mas sencilla, verificando que todos los autovalores de la matriz Hessiana
(los cuales son reales debido a la simetra) son todos no-negativos.
Theorem
Asumiendo que f C 2 . Si existe x tal que
1) f 0 (x ) = 0,
2) f 00 (x ) > 0 (Error libro)
entonces existe un escalar positivo tal que f (x ) f (x) para todo
x I (x , ).
Minimizaci
on sin restricciones
Minimizaci
on sin restricciones
CD
CD0 + KCL2
CD0
=
=
+ KCL
CL
CL
CL
0.3
0.2
0.1
-1.0
0.5
-0.5
-0.1
-0.2
-0.3
1.0
CL
Minimizaci
on sin restricciones
Por tanto:
f
CL
2f
CL2
1
CD0 + K = 0,
CL2
2
CD0 > 0.
CL3
q
De la primera condici
on, se obtiene: CL = CKD0 . De la segunda
condici
on: se descarta el valor negativo de CL . Con ello, la solucion es
q
CL =
CD0
K .
Minimizaci
on sin restricciones
Minimizaci
on sin restricciones
Example
Problema
Minimizar f : R 2 R, definida por:
f (x, y ) = e x (4x 2 + 2y 2 + 4xy + 2y + 1)
Minimizaci
on sin restricciones
10
5
z
0
1
-5
-10
-2
0
-1
-1
0
x
1
2
-2
Minimizaci
on sin restricciones
x I4 x2 + 4 x y + 2 y2 + 2 y + 1M
10
0
y
-5
0
1 2
-1
-2
-10
-2
-1
Minimizaci
on sin restricciones
Minimizaci
on sin restricciones
f (x, y )
2f
x 2
2f
xy
= ex
2f
xy
2f
y 2
2
4x + 2y 2 + 4xy + 10y + 9 + 16x
4y + 4x + 6
4y + 4x + 6
4
Minimizaci
on sin restricciones