Aplicacion empresarial del calculo vectorial
Aplicaciones a la Optimización.
En esta práctica se introducen las herramientas que nos ofrece el programa Mathematica para optimizar funciones de una o más variables.
1. Breve resumen de optimización sin restricciones en varias variables.
Pretendemos resolver el problema de calcular puntos críticos de una función f yclasificarlos. Paso 1: Cálculo de puntos críticos. Los puntos críticos de la función son aquellos puntos que anulan su vector gradiente. Paso 2: Estudiar la matriz hessiana evaluada en los puntos críticos: Criterio 1: Determinantes o menores principales. Criterio 2: Autovalores o valores propios. Se recuerda que si la matriz hessiana evaluada en un punto crítico está asociada a una forma cuadráticadefinida positiva, entonces éste será un mínimo local y si es definida negativa, un máximo local. En el caso de que sea indefinida, será un punto de silla (no nos interesa en la optimización).
2. Cálculo de puntos críticos y clasificación.
Para el cálculo de puntos críticos de una función, emplearemos la sentencia
Solve derivada1 0, derivada2 0, ... , variable1, variable2, ...
donde derivada1,derivada2,... corresponden a las derivadas parciales de orden uno respecto de la primera, segunda,.... variables. Ejercicio 1 Calcula y clasifica los puntos críticos de la función g x, y, z Paso1: Se define la función:
g x_, y_, z_ : x ^ 2 y^2 z 1 ^2
x2
y2
z
1 2.
Paso2: Se calculan las derivadas parciales de la función y se igualan a cero, así obtenemos los puntos críticos:
Solvex
g x, y, z
0,
y
g x, y, z
0,
z
g x, y, z
0 , x, y, z
Se obtiene el punto crítico (0,0,1). Paso 3: Para la clasificación del punto crítico, debemos construir en primer lugar la matriz Hessiana:
2
Practica2.nb
x,x g
x, y, z z, y, z
x,y g
x, y, z x, y, z
x,z g
x, y, z x, y, z
hessiana x_, y_, z_
y,x g x, y, z z,x g
y,y g x, y, z z,y gy,z g x, y, z z,z g
Paso 4: Se evalúa la matriz Hessiana en el punto crítico obtenido. Con el comando Eigenvalues determinamos sus valores propios y por tanto su carácter.
hessiana 0, 0, 1 Eigenvalues hessiana 0, 0, 1
Todos los valores propios son positivos, luego la matriz es definida positiva, y el punto crítico es un mínimo local. Para hallar el valor del mínimo, evaluamos la función enel punto crítico:
g 0, 0, 1
Ejercicio 2 Optimiza la función f x, y Paso1: Se define la función:
f x_, y_ : x ^ 2 xy y^2
x2
yx
y2
Paso2: Se calculan las derivadas parciales de la función y se igualan a cero, así obtenemos los puntos críticos:
Solve
x
f x, y
0,
y
f x, y
0 , x, y
Se obtiene el punto crítico (0,0). Paso 3: Para la clasificación del punto crítico,debemos construir en primer lugar la matriz Hessiana:
x,x f y,x f
x, y x, y
hessiana x_, y_
x,y f y,y f
x, y x, y
Paso 4: Se evalúa la matriz Hessiana en el punto crítico obtenido. Con el comando Eigenvalues determinamos sus valores propios y su carácter.
hessiana 0, 0 Eigenvalues hessiana 0, 0
Todos los valores propios son positivos, luego la matriz es definida positiva, y elpunto crítico es un mínimo local. Para hallar el valor del mínimo, evaluamos la función en el punto crítico:
f 0, 0
Luego tenemos un mínimo local en (0,0) con valor f 0, 0 Plot3D estudiado en la práctica anterior:
Plot3D f x, y , x, 2, 2 , y, 2, 2
0. Para visualizar dicho mínimo podemos recurrir al comando
Ejercicio 3
Practica2.nb
3
Ejercicio 3 Calcula y clasifica los puntoscríticos de la función h x, y, z Paso1: Se define la función:
h x_, y_, z_ : x 1 ^2 y 2 ^4 z^2
x
1
2
y
2
4
z2
x y.
xy
Paso2: Se calculan las derivadas parciales de la función y se igualan a cero, así obtenemos los puntos críticos:
Solve
x
h x, y, z
0,
y
h x, y, z
1 4 2 1 4
0,
z
h x, y, z
1 4 2
0 , x, y, z
1 4
Se obtienen los puntos...
Regístrate para leer el documento completo.