Minimizaci

on sin restricciones

Problemas ordinarios de minimizacion Calculo de variaciones

Mara Cerezo
maria.cerezo@urjc.es
Department of Signal and Communication Theory
Universidad Rey Juan Carlos

6 de Septiembre, 2016

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

Example

Recordamos...

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

Example
Problema
Para un planeador, asumiendo polar parab
olica:
CD = CD0 + KCL2
donde
CD0 es el coeficiente de resistencia sin sustentaci
on,
K > 0 es el parametro de resistencia inducida unitaria, y
CL es el coeficiente de sustentaci
on.
Se desea maximizar el alcance del planeador.
Sabemos...
Plantear el modelo? Ecs cinem
aticas? Ecs din
amicas? ...

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

Considerando ahora una funci
on f : R n R, f C 2 , de la cual se quiere
encontrar su mnimo.
Se puede usar la f
ormula de Taylor n-dimensional con infinitesimal de
segundo orden
1
f (x + h) = f (x ) + f 0 (x )T h + hT f 00 (x )h + R2 (f )
2
donde f 0 (x ) denota el vector gradiente en x , ()T es la traspuesta, y
f 00 (x ) es la matriz Hessiana en x definida por
2f
x12
2f
x x
1 2

f 00 (x ) =

..
.

2f
x1 x2
2f
x22

..
.

...

. . .

..
.

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

Example
Problema
Para un planeador, asumiendo polar parab
olica:
CD = CD0 + KCL2
donde
CD0 es el coeficiente de resistencia sin sustentaci
on,
K > 0 es el parametro de resistencia inducida unitaria, y
CL es el coeficiente de sustentaci
on.
Sabemos...
Plantear el modelo? Ecs cinematicas? Ecs dinamicas? ...
Para maximizar el alcance del planeador, es necesario minimizar el ratio
D/L, lo cual equivale a maximizar la eficiencia aerodinamica.

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

Soluci
on
Hay que minimizar la siguiente funci
on:
f =

CD
CD0 + KCL2
CD0
=
=
+ KCL
CL
CL
CL

Para M = 0.5 CD0 = 0.0226 y K = 0.0731

f

0.3
0.2
0.1

-1.0

0.5

-0.5
-0.1

-0.2

-0.3

David G. Hull, Fundamentals of Airplane Flight Mechanics, Springer, 2007.

1.0

CL

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

Para: M = 0.5, CD0 = 0.0226 y K = 0.073

Se obtiene: CL = 0.5564072619.

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

Soluci
on
La representaci
on geometrica de este ejemplo es:
x I4 x2 + 4 x y + 2 y2 + 2 y + 1M

10
5
z

0
1

-5
-10
-2

0
-1
-1

0
x
1
2

-2

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

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

Minimizacion sin restricciones en dominios definidos y no definidos

Primero, se calcula el gradiente:

 f 
 2

2
0
x 4x + 2y + 4xy + 6y + 1 + 8x
x
f (x, y ) = f = e
4y + 4x + 2
y

Minimizaci
on sin restricciones

Minimizacion sin restricciones en dominios definidos y no definidos

Despues, se calcula la matriz Hessiana:

"
00

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

Minimizacion sin restricciones en dominios definidos y no definidos

Aplicando la condici
on f 0 (x , y ) = 0, se obtienen dos posibles
soluciones:
{1/2, 1} y
{3/2, 1}.
Ademas,
Evaluando el Hessiano con la primera soluci
on, {1/2, 1}, se tienen
dos autovalores positivos: 2.52 i 17.3, mientras que
para la segunda soluci
on, {3/2, 1}, uno de los autovalores es
negativo.
Con ello,
{1/2, 1} es el u
nico mnimo local de este problema.
El valor de la funci
on en este punto es cero.