Autor Tema: Encuentra un mínimo local del problema sin restricciones

0 Usuarios y 1 Visitante están viendo este tema.

24 Octubre, 2024, 08:53 pm
Respuesta #10

lorena.zambrano

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 119
  • País: ve
  • Karma: +0/-0
 Sin restricciones se puede explorar todo el espacio, mientras que con restricciones se debe permanecer dentro de un conjunto específico definido por las condiciones impuestas. En mi caso el mínimo encontrado no es solución optima del problema con restricciones ya que dicho punto, no se cumple en todas las restricciones. Mi intención no es incomodarte Luis. Es que uno se desespera tratando de encontrar solución al problema, y llega un punto donde invade la frustración, yo quiero saber si en este caso, debo seguir ahora analizando cada vértice hasta encontrar un mínimo que cumpla con con las restricciones impuestas. :'(

25 Octubre, 2024, 11:17 am
Respuesta #11

Luis Fuentes

  • el_manco
  • Administrador
  • Mensajes: 58,907
  • País: es
  • Karma: +0/-0
Hola

Sin restricciones se puede explorar todo el espacio, mientras que con restricciones se debe permanecer dentro de un conjunto específico definido por las condiciones impuestas.

Correcto.

Citar
En mi caso el mínimo encontrado no es solución optima del problema con restricciones ya que dicho punto, no se cumple en todas las restricciones.


Bien.

Citar
Mi intención no es incomodarte Luis.


Lo sé, y no me incomodas en absoluto. Mi intención es ayudarte; pero dar una respuesta completa y directa no siempre es la mejor ayuda. Animarte a que desarrolles tus ideas al máximo, por erróneas que puedan ser, puede ser mucho más productivo para ti.

Citar
Es que uno se desespera tratando de encontrar solución al problema, y llega un punto donde invade la frustración, yo quiero saber si en este caso, debo seguir ahora analizando cada vértice hasta encontrar un mínimo que cumpla con con las restricciones impuestas. :'(

Si tienes un mínimo global (sin restricciones), que no cumple unas determinadas restricciones lo que tienes garantizado es que el mínimo se alcanza en la frontera del recinto donde minimizas, esto es, los vértices pero también los lados.

Saludos.

25 Octubre, 2024, 12:17 pm
Respuesta #12

lorena.zambrano

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 119
  • País: ve
  • Karma: +0/-0
Entonces cómo planteo ahora las ecuaciones para seguir buscando en los vertices un punto que cumpla con las restricciones?

25 Octubre, 2024, 05:33 pm
Respuesta #13

Luis Fuentes

  • el_manco
  • Administrador
  • Mensajes: 58,907
  • País: es
  • Karma: +0/-0
Hola

Entonces cómo planteo ahora las ecuaciones para seguir buscando en los vertices un punto que cumpla con las restricciones?

Tu recinto está limitado por las rectas:

\( x_1+2x_2=4 \)
\( 2x_1+x_2=5 \)
\( x_1=0 \)
\( x_2=0 \)

Para hallar los vértices tienes que intersecar las rectas dos a dos y quedarse con los puntos que cumplen todas las restricciones. Obtendrías los puntos \( (0,0),(5/2,0),(2,1),(0,2) \).

Si el mínimo es uno de ellos no tienes más que evaluar la función en los cuatro y quedarte con aquel donde toma el valor más pequeño.

Pero antes has de comprobar si el mínimo se alcanza sobre alguna de esas restas. Eso se puede hacer con Lagrange con restricciones o sustituyendo en la función y trabajando en una variable.

Por ejemplo sobre la recta \( x_1+2x_2=4 \), puedes considerar la función de Lagrange:

\( L(x_1,x_2,\lambda)=f(x_1,x_2,\lambda) \)

y analizar los puntos críticos donde se anulan las parciales (si no cumplen todas las restricciones los descartas de inmediato).

O bien despejar \( x_1=4-2x_2 \) y analizar el mínimo de la función en una variable:

\( g(x_2)=f(4-2x_2,x_2) \).

Saludos.

01 Noviembre, 2024, 04:58 am
Respuesta #14

lorena.zambrano

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 119
  • País: ve
  • Karma: +0/-0
Intersección de \( x_1 + 2x_2 = 4 \\ y  \\ 2x_1 + x_2 = 5 \)

Resolviendo este sistema por sustitución o eliminación, obtenemos:

\( x_1 = 2 \
\ x_2 = 1 \)

Entonces, el vértice es \( (2, 1) \).
Intersecciones con los ejes:


\( Eje \  x_1 (x_2 = 0):
\ x_1 + 2*0 = 4 => x_1 = 4\
\ 2x_1 + 0 = 5 => x_1 = 5/2 \\ Los \ vértices \  son \\ (4, 0) \ y \ (5/2, 0). \)

Eje \( x_2 (x_1 = 0):\\
0 + 2x_2 = 4 => x_2 = 2\\
2*0 + x_2 = 5 => x_2 = 5 \\ El  \ vértice \ es (0, 2). \)
 El  punto    (0,0) [/tex]también es un vértice porque cumple con las restricciones.

Los vértices de la región son:
\( (0,0) \\
(5/2,0)\\
(2,1)\\
(0,2)\\
 \)
Evaluación:

Para
\(  (0, 0): z = -20 + 80 + 00 + 0^2 + 60^2 = 0 \)
Para \( (5/2, 0): z = -2*(5/2) + 8*0 + (5/2)0 + (5/2)^2 + 60^2 = -5 + 25/4 = 5/4 \)
Para \( (2, 1): z = -22 + 81 + 21 + 2^2 + 61^2 = -4 + 8 + 2 + 4 + 6 = 16 \)
Para \( (0, 2): z = -20 + 82 + 02 + 0^2 + 62^2 = 16 + 24 = 40 \)

el valor mínimo de la función objetivo se alcanza en el punto\(  (0, 0) \), donde \( z = 0 \).

Por lo tanto, la solución óptima del problema de optimización es \( x_1 = 0 \) y \( x_2 = 0. \)

Este punto es el mínimo local del problema sin restricciones y también es solución optima del problema con restricciones. Espero esté correcto

01 Noviembre, 2024, 12:26 pm
Respuesta #15

Luis Fuentes

  • el_manco
  • Administrador
  • Mensajes: 58,907
  • País: es
  • Karma: +0/-0
Hola

 Pero ahí sólo has comprobado los valores de los vértices. Te falta el paso previo que te indiqué:

Si el mínimo es uno de ellos no tienes más que evaluar la función en los cuatro y quedarte con aquel donde toma el valor más pequeño.

Pero antes has de comprobar si el mínimo se alcanza sobre alguna de esas restas. Eso se puede hacer con Lagrange con restricciones o sustituyendo en la función y trabajando en una variable.

Por ejemplo sobre la recta \( x_1+2x_2=4 \), puedes considerar la función de Lagrange:

\( L(x_1,x_2,\lambda)=f(x_1,x_2,\lambda) \)

y analizar los puntos críticos donde se anulan las parciales (si no cumplen todas las restricciones los descartas de inmediato).

O bien despejar \( x_1=4-2x_2 \) y analizar el mínimo de la función en una variable:

\( g(x_2)=f(4-2x_2,x_2) \).

 El mínimo se alcanza en realidad en el punto \( (1,0) \). Esta son las curvas de nivel de la función a minimizar:



Saludos.

01 Noviembre, 2024, 02:01 pm
Respuesta #16

lorena.zambrano

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 119
  • País: ve
  • Karma: +0/-0
Luis pero que procedimiento usaste para llegar a la conclusión de que el mínimo se encuentra en el punto (1,0)?

01 Noviembre, 2024, 04:13 pm
Respuesta #17

ani_pascual

  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,221
  • País: es
  • Karma: +0/-0
  • Sexo: Masculino
  • שמע ישראל יהוה אלהינו יהוה אחד
    • Kepler_Ck
Hola:
Luis pero que procedimiento usaste para llegar a la conclusión de que el mínimo se encuentra en el punto (1,0)?
A la espera de la respuesta de Luis Fuentes , te doy mi parecer.
Las curvas de nivel \( z(x_1,x_2)=k \) son elipses, y el valor más pequeño de \(  k \) se corresponde con la elipse que pasa por el punto \( (1,0) \), en el que es tangente. Es un método visual. Adjunto las correspondientes a \( k=1,k=2,k=4 \)
y el último a \( k=-1 \).





Saludos

02 Noviembre, 2024, 10:40 am
Respuesta #18

Luis Fuentes

  • el_manco
  • Administrador
  • Mensajes: 58,907
  • País: es
  • Karma: +0/-0
Hola

Luis pero que procedimiento usaste para llegar a la conclusión de que el mínimo se encuentra en el punto (1,0)?

¡Pero te lo he indicado¡¿lo has intentado? Si no lo has entendido, ¿por qué no dices algo así cómo "cuando propones esto (indicas que) no lo entiendo".

Mi propuesta (por tercera vez) es esta:

Si el mínimo es uno de ellos no tienes más que evaluar la función en los cuatro y quedarte con aquel donde toma el valor más pequeño.

Pero antes has de comprobar si el mínimo se alcanza sobre alguna de esas restas. Eso se puede hacer con Lagrange con restricciones o sustituyendo en la función y trabajando en una variable.

Por ejemplo sobre la recta \( x_1+2x_2=4 \), puedes considerar la función de Lagrange:

\( L(x_1,x_2,\lambda)=f(x_1,x_2)+\color{red}\lambda(x_1+2x_2-4)\color{black} \) (CORREGIDO)

y analizar los puntos críticos donde se anulan las parciales (si no cumplen todas las restricciones los descartas de inmediato).

O bien despejar \( x_1=4-2x_2 \) y analizar el mínimo de la función en una variable:

\( g(x_2)=f(4-2x_2,x_2) \).

Si detallo el ejemplo. Por Lagrange:

\( L(x_1,x_2,\lambda)=f(x_1,x_2)+\lambda(x_1+2x_2-4)=0 \)

con \( f(x_1,x_2)= -2x_1 + 8x_2 + x_1x_2 + x_1^2 + 6x_2^2 \).

Las derivadas parciales igualadas a cero te llevan a las ecuaciones:

\( -2+x_2+2x_1+\lambda=0 \)
\( 8+x_1+12x_2+2\lambda=0
 \)
\( x_1+2x_2-4=0  \)

Resolviendo se llaga al punto crítico \( (x_1,x_2)=(4,0) \); pero NO cumple todas las otras restricciones, luego en este tramo no hay candidatos a mínimos.

Por ejemplo sobre la restricción \( x_2=0 \) con el otro método que te indicaba. Consideramos la función:

\( f(x_1)=z(x_1,0)=-2x_1+x_1^2 \)

Su derivada es:

\( f'(x_1)=-2+2x_1 \)

que se anula en \( x_1=1 \).

Por tanto \( (x_1,x_2)=(1,0) \) que SI cumple las otras restricciones SI es un candidato a punto donde se alcanza el mínimo.

Te faltaría analizar la restricción \( x_1=0 \) y \( 2x_!+x_2=5 \).

Saludos.

02 Noviembre, 2024, 06:22 pm
Respuesta #19

ani_pascual

  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,221
  • País: es
  • Karma: +0/-0
  • Sexo: Masculino
  • שמע ישראל יהוה אלהינו יהוה אחד
    • Kepler_Ck
Hola:
Por si le sirve a lorena.zambrano, adjunto una imagen con el recinto y algunas curvas de nivel, ahora en la misma gráfica. Se puede observar que el mínimo de \(  z \) sujeto a las restricciones se alcanza en el punto \( (1,0) \) y el máximo en \( (0,2) \) con valores \( z(1,0)=-1 \) y \( z(0,2)=40 \) respectivamente.


Saludos