Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 90 vistas

    Examen 2 Optimización de Procesos

    Cargado por

    Anonymous xhz1MJ06
    El examen presenta dos problemas de optimización analítica sujetos a restricciones. El primer problema minimiza una función de dos variables sujeto a una restricción de igualdad, resolviéndolo con el método de Lagrange. El segundo problema minimiza una función de tres variables sujeto a dos restricciones, resolviéndolo también con Lagrange y el método de fsolve. Ambos problemas se resuelven analíticamente encontrando las soluciones óptimas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Examen 2 Optimización de Procesos

    Cargado por

    Anonymous xhz1MJ06
    90 vistas4 páginas
    El examen presenta dos problemas de optimización analítica sujetos a restricciones. El primer problema minimiza una función de dos variables sujeto a una restricción de igualdad, resolviéndolo con el método de Lagrange. El segundo problema minimiza una función de tres variables sujeto a dos restricciones, resolviéndolo también con Lagrange y el método de fsolve. Ambos problemas se resuelven analíticamente encontrando las soluciones óptimas.

    Descripción original:

    EXAMEN DE OPTIMIZACION DE PROCESOS. MECANICA AGRICOLA

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El examen presenta dos problemas de optimización analítica sujetos a restricciones. El primer problema minimiza una función de dos variables sujeto a una restricción de igualdad, resolviéndolo con el método de Lagrange. El segundo problema minimiza una función de tres variables sujeto a dos restricciones, resolviéndolo también con Lagrange y el método de fsolve. Ambos problemas se resuelven analíticamente encontrando las soluciones óptimas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    90 vistas4 páginas

    Examen 2 Optimización de Procesos

    Cargado por

    Anonymous xhz1MJ06
    El examen presenta dos problemas de optimización analítica sujetos a restricciones. El primer problema minimiza una función de dos variables sujeto a una restricción de igualdad, resolviéndolo con el método de Lagrange. El segundo problema minimiza una función de tres variables sujeto a dos restricciones, resolviéndolo también con Lagrange y el método de fsolve. Ambos problemas se resuelven analíticamente encontrando las soluciones óptimas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 4

    Universidad Autónoma Chapingo

    Departamento de Ingeniería Mecánica


    Agrícola
    Examen No. 2. Curso Optimización de procesos
    Nombre del alumno: HERNANDEZ PÉREZ EMILIANO
    Grupo: 5º 2
    7 de diciembre de 2018

    1. Minimizar analíticamente la función:


    𝑓(𝑥1, 𝑥2) = 𝑥1 2 + 𝑥2 2
    Sujeta a la restricción de igualdad
    ℎ(𝑥) = 2𝑥1 + 𝑥2 − 2 = 0

    SOLUCIÓN
    ℒ(𝑥, 𝜆) = 𝑥1 2 + 𝑥2 2 + 𝜆(2𝑥1 + 𝑥2 − 2)
    Condición necesaria
    𝜕ℒ 𝜕ℒ
    =0 ⟹ = 2𝑥1 + 2𝜆
    𝜕𝑥1 𝜕𝑥1
    𝜕ℒ 𝜕ℒ
    =0 ⟹ = 2𝑥2 + 𝜆
    𝜕𝑥2 𝜕𝑥2
    𝜕ℒ 𝜕ℒ
    =0 ⟹ = 2𝑥1 − 𝑥2 − 2
    𝜕𝜆 𝜕𝜆
    Se resuelve el sistema de ecuaciones con 3 incógnitas con matrices:
    𝟐𝒙𝟏 + 𝟐𝝀 = 𝟎
    𝟐𝒙𝟐 + 𝝀 = 𝟎
    𝟐𝒙𝟏 − 𝒙𝟐 − 𝟐 = 𝟎
    𝐹1
    Se establece la matriz 𝐹3 − 2𝐹1
    2
    𝐹2 𝐹3
    𝐹3 − 𝐹2
    2 −2.5

    𝐹1 − 𝐹3 , 𝐹2 − 0.5𝐹3

    𝒙𝟏 = 𝟎. 𝟖
    𝒙𝟐 = 𝟎. 𝟒
    𝝀 = −𝟎. 𝟖
    4 2
    𝑚𝑖𝑛{𝑥1 2 + 𝑥2 2 |2𝑥1 + 𝑥2 − 2 = 0} = ( , )
    5 5

    2. Minimizar analíticamente (o con ayuda de fsolve) la función

    𝑓(𝑥1, 𝑥2, 𝑥2) = 𝑥13 + 𝑥23 +𝑥33


    Sujeta a las restricciones
    𝑥12 + 𝑥22 +𝑥34 − 5 = 0
    𝑥12 + 𝑥22 +𝑥32 − 2𝑥1 − 3 = 0
    Método Lagrange que incluye las restricciones.
    L= x1^3+x2^3+x3^3+ x4*(x1^2+x2^2+x3^4-5) + x5*(x1^2+x2^2+x3^2-2*x1-3);
    Donde x4 x5 se toman como lambda
    syms x1 x2 x3 x4 x5
    LG= x1^3+x2^3+x3^3+x4*(x1^2+x2^2+x3^4 -5)+x5*(x1^2+x2^2+x3^2-2*x1-3);
    dx1=diff(LG,x1);
    dx2=diff(LG,x2);
    dx3=diff(LG,x3);
    dx4=diff(LG,x4);
    dx5=diff(LG,x5);
    L=[dx1;dx2;dx3;dx4;dx4];
    L =[x5*(2*x1 - 2) + 2*x1*x4 + 3*x1^2
    2*x2*x4 + 2*x2*x5 + 3*x2^2
    4*x4*x3^3 + 3*x3^2 + 2*x5*x3
    x1^2 + x2^2 + x3^4 - 5
    x1^2 + x2^2 + x3^4 – 5];

    Subrutina creada a partir del vector gradiente:


    function L= lagrange(x)
    dx1= x(5)*(2*x(1)- 2) + 2*x(1)*x(4) + 3*x(1)^2;
    dx2= 2*x(2)*x(4) + 2*x(2)*x(5) + 3*x(2)^2;
    dx3= 4*x(4)*x(3)^3 + 3*x(3)^2 + 2*x(5)*x(3);
    dx4= x(1)^2 + x(2)^2 + x(3)^4 - 5;
    dx5= x(1)^2 + x(2)^2 + x(3)^4 - 5;

    L=[dx1;dx2;dx3;dx4;dx4];

    end

    Resolvemos el sistema de ecuaciones con:


    fun = @lagrange;
    x0 = [1,2,3,3,0];
    x = fsolve(fun,x0)

    Del cual resulta.


    x=
    x1 x2 x3 x4 x5
    -2.2361 -0.0000 0.0000 1.9361 0.9798
    Resolviendo con diferentes valores semilla
    x0 = [100,200251,3234,6513,1235555];

    x1 x2 x3 x4 x5
    0.0000 -0.0000 -0.0000 -0.6183 1.0874

    x0 = [0,0,0,0,0];

    x1 x2 x3 x4 x5
    0 0 0 0 0

    Observamos que el mínimo se encuentra tiende al punto [0,0,0] con ƛ=[0,0]

    También podría gustarte