Multiplicadores de Lagrange - Wikipedia, La Enciclopedia Libre

4/7/2019 Multiplicadores de Lagrange - Wikipedia, la enciclopedia libre
Multiplicadores de Lagrange
En los problemas de optimización, el método de los multiplicadores de Lagrange, llamados así en honor a Joseph
Louis Lagrange, es un procedimiento para encontrar los máximos y mínimos de funciones de múltiples variables
sujetas a restricciones. Este método reduce el problema restringido con n variables a uno sin restricciones de n + k
variables, donde k es igual al número de restricciones, y cuyas ecuaciones pueden ser resueltas más fácilmente. Estas
nuevas variables escalares desconocidas, una para cada restricción, son llamadas multiplicadores de Lagrange. El
método dice que los puntos donde la función tiene un extremo condicionado con k restricciones, están entre los
puntos estacionarios de una nueva función sin restricciones construida como una combinación lineal de la función y
las funciones implicadas en las restricciones, cuyos coeficientes son los multiplicadores.
La demostración usa derivadas parciales y la regla de la cadena para funciones de varias variables. Se trata de extraer
una función implícita de las restricciones, y encontrar las condiciones para que las derivadas parciales con respecto a
las variables independientes de la función sean iguales a cero.
Índice
Introducción
El método de los multiplicadores de Lagrange
Ejemplos
Ejemplo 1
Ejemplo 2
Ejemplo 3 (restricciones múltiples)
Criterio de la segunda derivada para Extremos con Restricción
El caso bidimensional
El caso n-dimensional
Enlaces externos
Introducción
Consideremos un caso bidimensional. Supongamos que tenemos la función, f (x, y), y queremos maximizarla, estando
sujeta a la condición:
donde c es una constante. Podemos visualizar las curvas de nivel de f dadas por
para varios valores de dn, y el contorno de g dado por g(x, y) = c. Supongamos que hablamos de la curva de nivel
donde g = c. Entonces, en general, las curvas de nivel de f y g serán distintas, y la curva g = c por lo general
intersectará y cruzará muchos contornos de f. En general, moviéndose a través de la línea g=c podemos incrementar o
disminuir el valor de f. Sólo cuando g=c (el contorno que estamos siguiendo) toca tangencialmente (no corta) una
curva de nivel de f, no se incrementa o disminuye el valor de f. Esto ocurre en el extremo local restringido y en los
puntos de inflexión restringidos de f.
https://es.wikipedia.org/wiki/Multiplicadores_de_Lagrange 1/7
Un ejemplo familiar puede ser obtenido de los mapas climatológicos, con sus curvas de nivel de presión y temperatura
(isóbaras e isotermas respectivamente): el extremo restringido ocurrirá donde los mapas superpuestos muestren
curvas que se tocan.
Geométricamente traducimos la condición de tangencia diciendo que los gradientes de f y g son vectores paralelos en
el máximo. Introduciendo un nuevo escalar, λ, resolvemos
[f(x, y) - λ (g(x, y) − c)] = 0
para λ ≠ 0.
Una vez determinados los valores de λ, volvemos al número original de variables y así continuamos encontrando el
extremo de la nueva ecuación no restringida.
de forma tradicional. Eso es, para todo (x, y) satisfaciendo la condición porque es igual
a cero en la restricción, pero los ceros de F(x, y) están todos en .
El método de los multiplicadores de Lagrange

Sea f (x) una función definida en un conjunto abierto n-dimensional {x ∈ Rn}. Se definen s restricciones gk (x) = 0,
k=1,..., s, y se observa (si las restricciones son satisfechas) que:
Se procede a buscar un extremo para h
lo que es equivalente a
Demostración
Los multiplicadores desconocidos λk se determinan a partir de las ecuaciones con las restricciones y conjuntamente se
obtiene un extremo para h que al mismo tiempo satisface las restricciones (i.e. gk=0), lo que implica que f ha sido
optimizada
El método de multiplicadores de Lagrange es generalizado por las condiciones de Karush-Kuhn-Tucker.
Ejemplos
Ejemplo 1
Supongamos que queremos encontrar la distribución probabilística discreta con máxima entropía. Entonces
Podemos usar los multiplicadores de Lagrange para encontrar el punto de máxima entropía (dependiendo de las
probabilidades). Para todo k desde 1 hasta n, necesitamos
lo que nos da
Derivando estas n ecuaciones, obtenemos
Esto muestra que todo pi es igual (debido a que depende solamente de λ). Usando la restricción ∑k pk = 1,
encontramos
Esta (la distribución uniforme discreta) es la distribución con la mayor entropía.
Ejemplo 2
Determinar los puntos en la esfera que están más cercanos al punto
la distancia al punto :
para hacer más sencilla la operación se maximiza o minimiza el cuadrado de la distancia:
la restricción:
De acuerdo con el método de los multiplicadores de Lagrange, se resuelven las ecuaciones " "y" "y
el resultado es:
(1)
(2)
(3)
(4)
la manera más sencilla de resolver estas ecuaciones es dejar x, y, z en función de y luego sustituimos en la ecuación
(4).
En primer lugar se observa que ≠ 1 por que si obtenemos un resultado absurdo en la ecuación (1). Ahora, de la
ecuación (1) obtenemos
y lo mismo sucede con las ecuaciones (2) y (3):
Sustituyendo en la ecuación (4)
se obtiene que
y entonces los puntos (x, y, z) son :
Uno de ellos es el más lejano (máximo de la función), y se puede observar que el punto más cercano es
Ejemplo 3 (restricciones múltiples)
Restricciones:
Aplicar el método:
Entonces:
Por lo tanto, los puntos críticos son:
Bastará entonces evaluar la función en esos puntos para determinar que:
por lo que en ambos puntos tiene un máximo en y un mínimo en
si está restringida de esta manera.
Criterio de la segunda derivada para Extremos con

Restricción
El caso bidimensional
Como en el caso no restringido en el que usamos la matriz Hessiana y el criterio de Sylvester para determinar la
naturaleza de los puntos críticos, en presencia de multiplicadores de Lagrange existe un método análogo para
descubrir si un punto crítico v0 es máximo, mínimo, o punto silla.
Sean f:U⊂ℝ2→ℝ y g:U⊂ℝ2→ℝ dos curvas suaves de clase C2. Sea v0∈U tal que g(v0)= c y sea S el conjunto de nivel de
g con valor c. Asumimos que g(v0)≠0 y existe un número real tal que f(v0) = g(v0). Para la función auxiliar h
= f - g tenemos la matriz hessiana limitada:
evaluada en v0
1. Si |H|>0 entonces v0 es un máximo local en f limitada a S

2. Si |H|<0 entonces v0 es un mínimo local en f limitada a S
3. Si |H|=0 entonces el criterio no concluye nada
El caso n-dimensional
Análogamente al caso bidimensional, consideramos el caso n-dimensional, Sea f:U⊂ℝn→ℝ y g:U⊂ℝn→ℝ dos curvas
suaves de clase C2. Sea v0∈U tal que g(v0)= c y sea S elconjunto de nivel de g con valor c. Asumimos que g(v0)≠0 y
existe un número real tal que f(v0) = g(v0). Para la función auxiliar h = f - g construimos la matriz hessiana
limitada:
evaluada en v0
Examinamos los determinantes de las submatrices en la diagonal de orden mayor o igual a 3:
1. Si todos ellos son menores que 0, tenemos un mínimo local en v0

2. Si el primer subdeterminante de tamaño 3x3 es mayor que cero, el siguiente (el de 4x4) es menor que cero, y de
esa manera los subdeterminantes van alternando su signo, tenemos un máximo local en v0
3. Si todos los subdeterminantes son distintos de cero, pero no siguen ninguno de los dos patrones anteriores,
tenemos un punto silla en v0
4. Si no se da ninguno de los tres casos anteriores, el criterio no concluye nada
Enlaces externos
Ejemplo de Relajación Lagrangiana (http://www.gestiondeoperaciones.net/programacion-entera/ejemplo-relajacio
n-lagrangeana/) (Multiplicadores de Lagrange)
Muchos Ejemplos resueltos y teoría (http://www.wikimatematica.org/index.php?title=Multiplicadores_de_Lagrang
e) (Español)
Vídeo que explica los multiplicadores de Lagrange con ejemplos. (http://www.youtube.com/playlist?list=PLAFn9q
_BCao-gd4A03E1JPTp6U3TD9Oc6)
[1] (https://web.archive.org/web/20070101204006/http://www-math.mit.edu/18.02/applets/LagrangeMultipliersTwo
Variables.html) Applet (Inglés)
Introducción Conceptual (http://www.slimy.com/~steuard/teaching/tutorials/Lagrange.html) (más un acercamiento
de la relación multiplicadores de Lagrange y el cálculo de variaciones como se usan en Física) (Inglés)
[2] (http://www.cs.berkeley.edu/~klein/papers/lagrange-multipliers.pdf) (tutorial hecho por Dan Klein) (Inglés)
PDF animado, explicacion grafica. (http://intermat.fciencias.unam.mx/ArticuloLag/articuloPDFb.pdf) (Método de
Multiplicadores de Lagrange: Una Versión Animada. José D. Flores, PhD. Professor of Mathematics, The
University of South Dakota)
Obtenido de «https://es.wikipedia.org/w/index.php?title=Multiplicadores_de_Lagrange&oldid=109371302»
Esta página se editó por última vez el 18 jul 2018 a las 22:58.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden aplicarse
cláusulas adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.

Multiplicadores de Lagrange - Wikipedia, La Enciclopedia Libre

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Multiplicadores de Lagrange - Wikipedia, La Enciclopedia Libre

Загружено:

Авторское право:

Доступные форматы

4/7/2019 Multiplicadores de Lagrange - Wikipedia, la enciclopedia libre

[f(x, y) - λ (g(x, y) − c)] = 0

El método de los multiplicadores de Lagrange

Se procede a buscar un extremo para h

El método de multiplicadores de Lagrange es generalizado por las condiciones de Karush-Kuhn-Tucker.

Derivando estas n ecuaciones, obtenemos

Esta (la distribución uniforme discreta) es la distribución con la mayor entropía.

para hacer más sencilla la operación se maximiza o minimiza el cuadrado de la distancia:

ecuación (1) obtenemos

y lo mismo sucede con las ecuaciones (2) y (3):

Sustituyendo en la ecuación (4)

y entonces los puntos (x, y, z) son :

Ejemplo 3 (restricciones múltiples)

Por lo tanto, los puntos críticos son:

Bastará entonces evaluar la función en esos puntos para determinar que:

por lo que en ambos puntos tiene un máximo en y un mínimo en

si está restringida de esta manera.

Criterio de la segunda derivada para Extremos con

1. Si |H|>0 entonces v0 es un máximo local en f limitada a S

Examinamos los determinantes de las submatrices en la diagonal de orden mayor o igual a 3:

1. Si todos ellos son menores que 0, tenemos un mínimo local en v0

Вам также может понравиться