Conteúdo principal
Curso: Cálculo multivariável > Unidade 3
Lição 5: Multiplicadores de Lagrange e otimização restrita- Introdução à otimização com restrições
- Multiplicadores de Lagrange, usando tangência para resolver otimização com restrições
- Terminando o exemplo de introdução ao multiplicador de Lagrange
- Exemplo de multiplicador de Lagrange - Parte 1
- Exemplo de multiplicador de Lagrange - Parte 2
- O lagrangiano
- Significado do multiplicador de Lagrange
© 2024 Khan AcademyTermos de usoPolítica de privacidadeAviso de cookies
Significado do multiplicador de Lagrange
Nos últimos vídeos sobre multiplicadores de Lagrange, o multiplicador de Lagrange em si tem sido apenas uma constante de proporcionalidade com que nós não nos importamos. Aqui, você pode ver qual o seu verdadeiro significado. Versão original criada por Grant Sanderson.
Quer participar da conversa?
Nenhuma postagem por enquanto.
Transcrição de vídeo
RKA8JV - E aí, pessoal!
Tudo bem? Nesta aula, eu vou mostrar
algo bem interessante a respeito dos multiplicadores
de Lagrange que estamos estudando. Primeiramente, eu vou
dar uma revisada e mostrar o que é um multiplicador
de Lagrange. Para isso, vamos pensar em um
problema de otimização restrita, sendo que nós temos uma função, que é a receita de uma empresa, e essa função depende de várias coisas. Depende das horas trabalhadas e também da quantidade
de aço em toneladas. Claro, isso aqui é se você estiver
produzindo algo metálico, né. Mas enfim, geralmente, uma função receita depende
de vários aspectos, e essa função pode ser modelada
como algo multivariável. Nesta aula, isso não importa tanto, pode ser qualquer função, mas o que você tenta fazer
é maximizar essa receita, ou seja, maximizar essa função, mas você tem uma restrição,
porque lembre-se, o dinheiro não é infinito. Então, nesse caso, você tem um tipo de orçamento, que é a restrição da receita, que é o quanto você pode gastar
com as horas trabalhadas e com as toneladas de aço. E, de novo, isso vai ser
uma função multivariável na qual nós não estamos
interessados nesta aula. Isso tem que ser igual a uma constante, e eu vou dizer que a função
é igual a R$ 10.000,00, portanto, o nosso objetivo é maximizar
essa função sabendo desta restrição. Se você pensar nisso graficamente, você tem aqui o seu plano cartesiano, que é o aço em função
das horas trabalhadas, e sua função restrição vai ser
uma curva desse tipo, ou seja, todos os valores de "h" e "a"
que tornam isso aqui verdade. E claro, essa função receita vai ser
igual a um valor máximo que eu vou chamar de M*, que a receita máxima vai te dar um gráfico que é tangente à curva de restrição. Essa função receita tem um vetor gradiente que eu chamo de gradiente de "R" e que é proporcional ao vetor
gradiente da função restrição, que eu vou chamar
de gradiente de "O". Isso acontece porque esses
vetores gradientes são perpendiculares a essas
linhas de contorno. E por causa dessa proporcionalidade, nós podemos escrever que o vetor
gradiente da função receita é proporcional ao vetor gradiente
da função "O". E este λ é a constante
de proporcionalidade, e é o que chamamos de
multiplicador de Lagrange. Claro, este λ não pode ser igual a zero, porque senão, o vetor Gradiente de "R"
vai ser igual a zero. E graças a esse multiplicador de Lagrange, nós apresentamos uma função
chamada de Lagrangiana. Ela dependia das informações
da função receita e do orçamento, no caso aqui, de (h, a) e também dependia do
multiplicador de Lagrange. E essa função Lagrangiana era igual
à função receita, avaliada em (h, a) menos o multiplicador de Lagrange, que multiplica a função restrição
avaliada em (h, a), menos essa constante que eu vou
chamar de "b" aqui para generalizar, então "-b". Quando resolvermos isso aqui, vamos ter uma função multivariável. E sabemos, da aula passada, que essa função nos ajuda a compactar
o problema de otimização restrita. Isso porque você pegava o vetor
gradiente da função Lagrangiana e igualava ao vetor zero. Quando você resolve essa equação, você tem uma solução que eu vou
chamar de (h*, a*, λ*), Só para destacar que
são valores diferentes. Ou seja, você encontra algum valor
que quando colocar nesta função, o gradiente vai ser igual a zero. E claro, você pode encontrar
diversos valores aqui né, mas o que você faz é pegar estes dois
valores e colocar na função receita, ou seja na função que você
está tentando maximizar, e, geralmente, você tem vários valores e você tem que testar qual deles faz
a função ter o valor máximo, ou seja, qual é o valor mais alto
que a função pode alcançar? Mas o interessante de quando
você resolve esta equação é porque você obtém
um valor específico de λ, ou seja, esse λ* vai estar associado a essa solução. Esse valor é importante porque ele te leva ao quanto você
pode aumentar a receita se você aumentar o orçamento. Deixe-me mostrar o que
eu estou querendo dizer. Nós temos este M* aqui, e eu vou até escrevê-lo de novo aqui. O que eu estou querendo dizer
é que este valor máximo é a mesma coisa que a receita
nesses dois valores que eu estou julgando
que vai dar o máximo. São soluções desta equação, ou seja, você deve achar o vetor
gradiente da função Lagrangiana, que no caso é pegar as derivadas parciais
da função Lagrangiana, igualar a zero, e quando você resolve,
vai obter estes valores, e quando você substituir na função,
você vai ter a receita a máxima. Mas você também pode escrever esse M*
como uma função do orçamento. Bem, isso vai ser igual à receita de h*, e ao invés de pensarmos nesse "b"
como uma constante, podemos pensar como uma variável, ou seja, ao invés de ser 10.000, pode ser 15.000,
20.000, 30.000. Este valor pode variar. Então, vai ser h*
dependendo do orçamento. Tanto o h* quanto o a* vão depender do orçamento. Isso faz sentido porque tanto
o "h" quanto o "a" dependem do orçamento, porque se você muda esse orçamento, você vai encontrar outras soluções. E sabe o que é muito interessante? É que este λ* pode ser escrito como a derivada de M* em relação ao orçamento. Tá, vamos entender o porquê
disso ser verdade. Vamos dizer que você fez todo esse cálculo e encontrou um λ* igual a 2,3. Bem, antes, este λ era um número
que não conhecíamos, e com isso você olhava apenas
para esses dois valores. Mas, se você colocar em um computador,
por exemplo, este "λ = 2,3", significa que para uma pequena
alteração no orçamento. Digamos aqui por exemplo, que o seu orçamento passou
de 10.000 para 10.001, ou seja, você aumentou o seu orçamento
um pouquinho apenas, uma pequena variação, então, a proporção da mudança
na maximização da receita para este "dO" é de cerca de 2,3, o que significa que se você aumentar
a sua receita em R$ 1,00, isso vai ser igual ao seu M*, ou seja, você aumentou o seu M* em R$ 2,30 para cada R$ 1,00
aumentado em seu orçamento. E esse λ* é bem importante né, porque se ele é maior do que 1, você pensa: espera aí, talvez devêssemos
aumentar o nosso orçamento. Quando aumentamos de 10.000
para 10.001, nós estamos fazendo mais dinheiro. Portanto, enquanto esse λ*
for maior do que 1, nós podemos aumentar esse orçamento. Na próxima aula eu vou falar mais
a respeito desse λ*, e eu vou falar como ele é importante. Enfim, eu espero que esta aula
tenha lhes ajudado, e até a próxima, pessoal!