Ef PDF
Ef PDF
Ef PDF
Examen Final
Nombre: 27 de noviembre de 2008
máx x1 e−x2
sujeto a x1 − 2x2 = 1
0 ≤ x1 ≤ 4
a) Grafique el conjunto factible y halle las direcciones factibles para un punto factible
(x1 , x2 ) con 0 < x1 < 4.
b) Encuentre un punto factible (x1 , x2 ) con 0 < x1 < 4 que cumpla la condición
necesaria de primer orden para un máximo local.
1
Usted debe justificar todas sus respuestas. Una respuesta que aparezca de la nada no tiene ningún valor.
2. (17 puntos) Considere la minimización de la función cuadrática en R2 , f (x) =
2 x Qx − b x. Los valores propios de Q son λ1 = 10, λ2 = 1 y los vectores propios
1 T T
correspondientes son v1 = ( √12 , √12 ) y v2 = (− √12 , √12 ). Suponga que se corre Steepest
Descent dos veces desde los puntos iniciales x1 = ( √92 , √
11
2
) y x2 = (− √92 , √
11
2
). Para
cuál de estos puntos iniciales es la convergencia al mínimo de f más rápida?
2
3. (16 puntos) Considere el problema de optimización máx 3x1 +x2 sujeto a (x1 , x2 ) ∈ C
donde C es el conjunto mostrado en la figura:
x2
4
−1 1 2 3 4 5 6 x1
3
4. (Bono: 10 puntos) Considere el problema de maximización de entropía sujeto a
restricciones lineales:
n
X
mı́n f0 (x) = xi log xi
i=1
sujeto a Ax ≤ b
1T x = 1
exp −aTi λ∗
x∗i=
Z
donde Z es un factor de normalización tal que ni=1 xi = 1
P
4
Optimización1
Examen Final
Nombre: 30 de noviembre de 2009
1. Considere el problema
a) Halle todos los puntos factibles que satisfacen la CNPO para un mínimo local.
b) Usando condiciones de segundo orden, diga si los puntos hallados son o no míni-
mos locales de f (considere sólo puntos interiores del conjunto factible).
1
Usted debe justificar todas sus respuestas. Una respuesta que aparezca de la nada no tiene ningún valor.
2. En el grafo de la figura se quiere encontrar el máximo flujo posible entre la fuente S y
el sumidero T.
2
3. Considere el siguiente problema de optimización:
1 T
mı́n x Qx + xT d
2
sujeto a aT x ≤ c
3
Optimización1
Examen Final
Nombre: 19 de mayo de 2009
1
−1 x1
1 2
1
−1 x1
1 2
mı́n c1 x1 + c2 x2
sujeto a x2 + x1 ≤ 4
x2 + x1 ≥ −4
x2 − x1 ≤ 4
x2 − x1 ≥ −4
1
−1 x1
1 2
10 10
20 + 10 30
20 10 30 60
10 10
10 40 50
40 10 30 40 40
−3 −2
6. Sea f (x) = 12 xT Qx − bT x + c. Si Q = , en el punto x∗ = Q−1 b ocurre
−2 −3
a) El máximo global de f .
b) El mínimo global de f .
2
c) Un máximo local de f .
d ) Un mínimo local de f .
e) Ninguno de los anteriores.
x∗
1
−1 x1
1 2
a) d1 , d2 ≥ 0
b) 2d1 ≤ 3d2
c) 3d1 ≤ 2d2
d ) 2d1 ≤ −3d2
e) 3d1 ≤ −2d2
a) Para Q 6= I existen puntos iniciales desde los cuales gradiente conjugado y stee-
pest descent convergen al mínimo en el mismo número de pasos.
b) El método de Newton siempre converge al mínimo en un solo paso.
c) Existen matrices Q para las cuales Steepest Descent, Gradiente Conjugado y el
método de Newton convergen al mínimo en el mismo número de pasos.
3
d ) En gradiente conjugado, direcciones sucesivas de búsqueda son ortogonales.
e) Para los tres algoritmos siempre se tiene kek+1 kQ ≤ kek kQ
10. Se muestran en la figura las curvas de nivel de una función cuadrática convexa. Suponga
que se utiliza Steepest Descent para minimizar esta función.
Si Steepest Descent se arranca desde los tres puntos mostrados, el orden en velocidad
de convergencia (de más rápido a más lento) es:
a) 1,2,3.
b) 1,3,2.
c) 2,1,3
d ) 3,2,1
e) 3,1,2