Multiplicadores de Lagrange: utilizar la tangencia para resolver una optimización restringida

en el vídeo anterior les presentemos un ejercicio de optimización con restricciones donde estábamos tratando de maximizar esta función de dos variables x cuadrada james y estaba sujeta a esta restricción a la restricción que sus valores x james tienen que satisfacer esta ecuación que tengo aquí que es el círculo unitario y la manera en la que estábamos visualizando esto era observar el tano x gem donde este círculo de aquí representaba nuestra restricción todos los puntos que conforman ese conjunto son los puntos que están en el círculo unitario y luego esta curva de aquí es una de las curvas de nivel de f es decir estábamos definiendo una f de xy que fuera igual a una cierta constante y luego estábamos modificando esa constante cm para ver cuáles sean los valores más altos que aguantaba ser tales que la curva se viera así este es el valor donde x cuadrada por james es el más grande es el máximo y luego para valores pequeños deseemos las curvas se verían más o menos así que todos los puntos en esta línea serían efe de x james igual a 2 en digamos 0.01 en este caso o algo así ahora la manera de pensar en maximizar esta función es intentar aumentar ese valor de ser tanto como se pueda sin que se salga del círculo y la solución clave es que esto ocurre cuando son tangentes así que ya saben si me permiten dibujar por aquí un boceto y pongo por aquí la línea del círculo que por cierto ya sabes que representa la curva de la restricción que en este caso saben que es el círculo unitario y por aquí dibujo a la curva del nivel entonces observamos que cuando se pesan estas dos curvas cuando apenas apenitas se tocan es cuando esta función se maximiza ahora en términos de resolver el problema aún tenemos algo de trabajo que hacer y la principal herramienta que aquí vamos a usar es el gradiente así que vamos a dibujar por aquí unas cuantas curvas del nivel más de las que ya están para x cuadrada y así que estas son muchas muchas curvas de nivel y voy a dibujar el campo gradiente de f el campo gradiente de efe es este que tenemos aquí y anteriormente hizo un vídeo acerca de la relación entre el gradiente y las curvas de nivel la conclusión de eso es que estos vectores gradientes cada vez que pasan a través de una curva del nivel son perpendiculares a esa curva del nivel la razón básica para eso es que si caminan a lo largo de una curva del nivel entonces la función no está cambiando de valor así que si quieren cambiar más rápidamente tiene sentido que deberían de caminar en la dirección perpendicular de modo que ningún componente de la caminata que estemos tomando sea inútil ya que ésta está a lo largo de la línea donde la función no cambia pero de nuevo hay un vídeo completo de eso que vale la pena ver si todo esto no les parece conocido ahora para nuestros propósitos esto lo que significa es que si nos fijamos justo aquí en el punto de tangencia entonces el gradiente va a hacer un vector perpendicular a ambas curvas este de aquí le podemos decir el gradiente de efe y podemos ser algo muy parecido para entender la otra curva esta que tenemos aquí por ahora solamente la tenemos como x cuadrada más de cuadrada igual a 1 pero podemos bautizar a esta función de la siguiente manera le puedo poner el nombre de eje de xy igual a equis cuadrada más 10 cuadrada y bueno observa que prácticamente las curvas de nivel para esta función se ven más o menos así si vamos al plano y vemos todas las demás curvas de nivel para esta función g se ven como círculos y esto debería tener mucho sentido ya que observan aquí tenemos una función g que nos está definiendo un círculo y si observamos el gradiente de gm es decir nos acercamos nos preguntamos por el gradiente de g éste tiene la misma propiedad que cada vector gradiente pasa de manera perpendicular a la curva de nivel y entonces podemos decir que en este dibujo de aquí si me fijo en el gradiente de gm también se va a ver perpendicular a estas dos curvas ahora ustedes saben que tal vez no sean del mismo largo que el gradiente df pero va a ir en la misma dirección este de aquí es el gradiente de g ojo no hay razón por la cual tenga la misma longitud que el gradiente de f puede ser más pequeño o más largo pero lo importante es que es proporcional y la manera en la que vamos a escribir las fórmulas es decir que este gradiente de f evaluado en cualquiera que sea su valor que optimicen a esta función x cuadrada james no será si quieres le podemos poner algún nombre especial este gradiente de f evaluado en una equis que maximicen james que maximice esto tiene que ser igual a algo por el gradiente de lambda ojo no van a ser iguales por acá voy a poner al gradiente de lambda y bueno no voy a poner que son iguales por aquí me falta algo pero este gradiente evaluado también en esta x m coma es decir me estoy fijando en este valor que está maximizando esta función efe y como dije no son iguales son proporcionales y es por eso que tenemos que multiplicar por algún tipo de constante de proporcionalidad y casi siempre se usa la variable lambda y bueno se usa la variable lambda con un nombre muy rimbombante esta lambda se le conoce como el multiplicador de lagrange lagrange fue uno de esos famosos matemáticos franceses que yo siempre con fundó con otros matemáticos franceses de la misma época como legendre o la plaza pero en este caso si estamos hablando de lagrange entonces este es el multiplicador de lagrange y bueno es que hay muchas cosas en cálculo multivariable nombradas en honor a la granxa y esta es una de las grandes porque esta técnica la desarrolló el o por lo menos la popularizó y la idea central es definir los gradientes df y los gradientes deben proporcionales entre sí ya que esto representa cuando la curva del nivel la función f es tan gente a la curva del nivel para la función g así que esta expresión que tengo aquí en realidad podemos trabajarla y vamos a empezar con el gradiente de gm si me fijo en mi gradiente de gm éste va a ser igual bueno al gradiente de la función g qué es esto es decir al gradiente de x cuadrada más cuadrada ahora recordemos que significa tener este gradiente de esta función bueno eso significa tomarme un vector que en la primera componente tengamos la derivada parcial de esta función con respecto a x y bueno si observas la derivada de esta función con respecto a x es 2 x 2x y después esta parte de aquí sería constante como no tiene x su derivada de 0 y en la segunda componente vamos a tomarnos la derivada parcial de esta función g pero esta vez con respecto a iu y si te das cuenta ahora esto es lo que es constante la derivada de esto con respecto a evans es una constante y a eso le sumamos 2 y entonces este es el vector gradiente para mi función que que es justo esta parte de aquí ahora vamos a fijarnos en el gradiente de la función efe entonces si por acá cálculo el gradiente de la función efe este va a ser el gradiente de esta función x cuadrada james el gradiente de la función x cuadrada bien aquí y vamos a hacer lo mismo va a ser un vector que en la primera componente tenga la derivada parcial de esta función con respecto a x bueno la derivada de x cuadrada es 2x y esto es una constante cuando derivamos con respecto a x entonces me quedaría 2 y recuerda cuando derivamos con respecto a x ésta se ve como una constante como un número entonces me quedarían 2x james y en la segunda componente nos vamos a tomar la derivada parcial de esta función efe pero ahora con respecto a ella y eso me quedaría bueno la derivada de ye con respecto y es 11 por equis cuadrada es simplemente x cuadrada entonces aquí está ya tenemos también el vector del gradiente df y ahora déjenme bajar la pantalla para que podamos seguir con esta ecuación que tienen al multiplicador de lagrange porque de esta ecuación que tengo aquí podemos obtener lo siguiente podemos obtener que el gradiente de efe que es esto que tenemos aquí déjame ponerlo es 2x y 2x y en la primera componente en la segunda componente de cuadrada esto tiene que ser igual a lambda veces el gradiente deje a lambda veces el gradiente de g que también ya tenemos por acá lambda veces el gradiente de g que eran 2x y aquí 2 ok y entonces observamos que esto nos da dos ecuaciones ahora mismo es una sola ecuación con vectores pero en realidad lo que esto nos está diciendo es que tenemos dos ecuaciones separadas y las podemos escribir así la primera sería déjame ponerlo así 2x y 2 igual a lambda veces x 2x igual a lambda veces x 2x y la otra ecuación sería x cuadrada x cuadrada igual a landa veces x 2 y lambda veces 2 ya lo voy a poner con su respectivo color tantas veces 2 y esto podría parecer un ejercicio difícil de resolver porque observan tenemos dos ecuaciones y tres incógnitas y tal vez puedas pensar que nos estamos metiendo el pie solitos porque obtenemos una nueva variable con la cual lidiar pero observan aunque aquí solamente tenemos dos ecuaciones y necesitamos tres ecuaciones para resolver estas tres incógnitas tenemos por acá una tercera ecuación y esta tercera ecuación es algo que hemos sabido todo este tiempo ha sido parte del problema original y es simplemente la ecuación de restricción recuerdas la ecuación de restricción me dice que estas x tienen que cumplir x cuadrada más cuadrada debe de ser igual a 1 entonces lo voy a anotar por aquí x cuadrado más que cuadrada esto tiene que ser igual a 1 y con esto observa ya tenemos 3 ecuaciones que describen nuestro ejercicio de optimización con restricciones estas 3 ecuaciones la ecuación del fondo x cuadrada mayor cuadrada es igual a 1 nos dice que tenemos que estar en este en este círculo unitario y luego las dos que tenemos aquí está ahí están nos dicen que es necesario a fin de cuentas que nuestra curva de nivel la curva de epm y la curva de g sean perfectamente tangentes entre sí entonces en el siguiente vídeo voy a continuar y resolver este ejercicio que tengo aquí en este punto es bastante álgebra como la que vamos a estar trabajando pero vale la pena hacerla para adentrarnos en la solución y luego en los siguientes vídeos vamos a hablar acerca de una manera en la que pueden encapsular estas tres expresiones en una sola expresión y además un poco acerca de la interpretación de esta lambda que en realidad no solamente es una variable boba ésta tiene un significado bastante interesante con textos físicos sobre todo cuando realmente estás trabajando con un ejercicio de práctica de optimización con restricciones entonces nos vemos en el siguiente vídeo