Prof.

Susana Lpez Universidad Autnoma de Madrid

Introduccin a la Optimizacin 1 Derivadas de orden superior

Ya hemos visto anteriormente que una funcin f : Dom (f ) Rn R es diferenciable si las derivadas parciales existen y son continuas en todo punto de su dominio, diremos entonces que f es de clase C 1 en su dominio. Si estas derivadas parciales, que a su vez son funciones de Rn R, tienen derivadas parciales continuas, diremos que f es de clase C 2 o que es dos veces diferenciable. Cuando f : R3 R estas derivadas de orden superior son: 2f 2f 2f El proceso se puede repetir para derivadas de tercer orden o de orden superior. Teorema 1 Si f es dos veces diferenciable, es decir, de clase C 2 , entonces la parciales mixtas o iteradas son iguales: 2f 2f = , xy yx 2f 2f = , xz zx 2f 2f = yz zy D f (x, y, z ) =
2 x2 2f yx 2f zx xy 2f y2 2f zy xz 2f yz 2f z 2

Si esto no se cumpliese la funcin no sera dos veces diferenciable. De este modo para que una funcin sea tres veces diferenciable ha de cumplirse: 3f 3f 3f 3f 3f 3f = = = = = xyz xzy yxz yzx zxy zyx 3 3 3 f f f = = 2 x y xyx yx2 etc... La matriz D2 f (x, y, z ) tambin es conocida como matriz Hessiana: 2f 2f 2f es una matriz simtrica y esta matriz nos ser de utilidad para calcular los mximos y mnimos de la funcin. Hf (x, y, z ) =
x2 2f xy 2f xz xy 2f y 2 2f yz xz 2f yz 2f z 2

Prof. Susana Lpez

Ejemplo: Vamos a calcular la matriz Hessiana de la funcin f (x, y ) = exy xy . Primeramente calculamos las funciones derivadas parciales de la funcin f (x, y ): f = yexy y, x f = xexy x y

volviendo a derivar cada una de estas funciones respecto de x e y obtenemos: 2f = y 2 exy , x2 por tanto la matriz Hessiana es: Hf (x, y ) = 2f = exy + xyexy 1, xy 2f = x2 exy y 2

exy + xyexy 1 y 2 exy exy + xyexy 1 x2 exy

Prof. Susana Lpez EJERCICIOS:

1. Sean f y g dos funciones reales de dos variables con derivadas parciales continuas de orden 2 en un conjunto abierto U. Suponer que: f g = x y Probar que: 2f 2f + =0 x2 y 2 2. Sea f una funcin real de tres variables, denida para todo (x, y, z ) 6= (0, 0, 0) dada por 1 f (x, y, z ) = p x2 + y 2 + z 2 2f 2f 2f + + 2 =0 x2 y 2 z 3. Vericar que: 3f 3f = xyz yzx para f (x, y, z ) = zexy + yz 3 x2 . 4. Hallar el valor de la funcin w=x donde z = sin
2x+y 2xy

f g = y x

Demostrar que:

5. Dada la funcin z =

z z +y x y

p x2 + y 2 hallar el valor de x2

2 2z 2z 2 z + y + xy x2 y 2 yx

6. Hallar la matriz Hessiana de las siguientes funciones: (a) f (x, y ) = x2 y 2 ln (x2 + y 2 ) (b) h (w, x, y, z ) = (c) g (x, y, z ) = ex
1 w2 +x2 +y2 +z 2
2 +y 2 +z 2

Prof. Susana Lpez

Puntos Extremos: Mximos, Mnimos y Puntos de Silla

Vamos a hacer un breve resumen de cmo calcular puntos crticos, (mximos, mnimos, puntos de inexin) de una funcin real de variable real. Consideremos una funcin real de variable real, f : R R, si f tiene en x0 Dom(f ) un punto crtico en x0 y f es diferenciable en x0 entonces f 0 (x0 ) = 0. Adems si f es dos veces diferenciable en x0 y f 00 (x0 ) > 0, x0 es un mnimo local de f , si f 00 (x0 ) < 0, x0 es un mximo local de f , si f 00 (x0 ) = 0 y f 00 cambia de signo en un entorno de x0 entonces x0 es un punto de inexin. Queremos generalizar estos conceptos a funciones escalares f : Rn R. Denicin 1 Sea f : Dom(f ) Rn R una funcin escalar dada. Un punto x0 Dom(f ) es un mnimo local de f si existe un entorno abierto V de x0 tal que para todo punto x V , f (x) f (x0 ). Un punto x0 Dom(f ) es un mnimo global de f si para todo punto x Dom(f ), f (x) f (x0 ). Anlogamente, x0 Dom(f ) es un mximo local de f si existe un entorno abierto V de x0 tal que para todo punto x V , f (x) f (x0 ). Un punto x0 Dom(f ) es un mximo global de f si para todo punto x Dom(f ), f (x) f (x0 ). Decimos que x0 Dom(f ) es un extremo local si es un mnimo local o mximo local. Teorema 2 (Condicin de primer orden) Un punto x0 es un punto crtico de f si f (x0 ) = 0. Un punto crtico que no sea un extremo local se llama punto silla. De manera que encontrar los puntos crticos de una funcin f : Rn R es equivalente a buscar los puntos que hacen f (x) = 0. Esto signica que todas las componentes de f (x) son cero luego: f (x0 ) = 0, i = 1, 2, ..., n xi Es decir, el gradiente de la funcin en ese punto se anula, f (x0 ) = 0, y por tanto la derivada direccional de f en x0 en cualquier direccin se anula, Dv f (x0 ) = 0. Ahora queremos saber cundo un punto crtico es un mximo, mnimo o punto silla. Para ello tendremos, al igual que en una variable, recurrir a la segunda derivada. Consideremos una funcin de dos variables f : R2 R, diferenciable dos veces, donde (x0 , y0 ) es un punto crtico, por tanto, verica la condicin de primer orden: f (x0 , y0 ) = (x f (x0 , y0 ), y f (x0 , y0 )) = (0, 0) Al igual que en una varible para decidir si este punto mximo es un mximo, mnimo o punto de silla tendremos que recurrir a las segundas derivadas, es decir, estudiamos la matriz Hessiana en el punto (x0 , y0 ) 2 ! f 2f ( x , y ) ( x , y ) 0 0 0 0 2 x xy Hf (x0 , y0 ) = 2f 2f ( x , y ) (x0 , y0 ) 0 0 xy y 2

Prof. Susana Lpez

Teorema 3 (Condiciones de segundo orden) Sea f (x, y ) de clase C 2 en un conjunto abierto de su dominio U Dom(f ) R2 : 1. = f (x0 , y0 ) = 0, y mnimo local en (x0 , y0 ) = f (x0 , y0 ) = 0, y mximo local en (x0 , y0 )
f (x0 , y0 ) x f (x0 , y0 ) x f (x0 , y0 ) x 2f (x0 , y0 ) x2

> 0 y |Hf (x0 , y0 )| > 0, entonces f tiene un < 0 y |Hf (x0 , y0 )| > 0, entonces f tiene un

2. 3.

2f (x0 , y0 ) x2

f (x0 , y0 ) y

(x0 , y0 )

= 0, |Hf (x0 , y0 )| < 0 diremos que tiene un punto de silla en

4. Si |Hf (x0 , y0 )| = 0, el criterio no es concluyente y f puede tener un extremo relativo o un punto de silla. Ejemplo: Estudiemos los puntos crticos de la funcin f (x, y ) = x4 + y 2 . Primero calculamos el vector gradiente y lo igualamos a cero para encontrar los puntos crticos: f (x, y ) = 4x3 , 2y = (0, 0)

el nico punto crtico es el (0, 0) . A continuacin calculamos la matriz Hessiana y la valoramos en el punto (0, 0) . 0 0 12x2 0 Hf (0, 0) = Hf (x, y ) = 0 2 0 2 2f (0 , 0) > 0 o un punto de como |Hf (0, 0)| = 0 en (0, 0) puede existir un mnimo ya que y 2 silla. Haciendo una pequea inspencin vemos que tipo de punto es.
1000

750

500

250 -20 -10

y 0

10

20 5

2.5 x

-2.5

-5 0

f (x, y ) = x4 + y 2 Tomamos un punto muy prximo a (0, 0): f (, ) = 4 + 2 > 0 = f (0, 0)

Prof. Susana Lpez luego en (0, 0) existe un mnimo. Ejemplo: A continuacin estudiemos los puntos crticos de la funcin f (x, y ) = x2

4xy , y2 +1

30 25 20 15 10 5 0 5 x z

2.5 y

-2.5

-5 -5

-2.5

2.5

xy f (x, y ) = x2 y4 2 +1 Lo primero de todo calcularemos el gradiente de la funcin e igualaremos al vector nulo: 4y 1 y2 f (x, y ) = 2x 2 , 4x y +1 (y 2 + 1)2 f (x, y ) = (0, 0)

Resolviendo el sistema obtenemos: 2y de la primera componente y2 + 1 x = 0 o 1 y 2 = 0 de la segunda componente 1 y 2 = 0 implica que y = 1 x = Si x = 0 entonces y = 0, de manera que un punto crtico ser (0, 0) . Si y = 1 entonces x = 1 y si y = 1 entonces x = 1, por tanto, (1, 1) y (1, 1) tambin son puntos crticos. A continuacin calculamos la matriz Hessiana y la evaluamos en cada punto crtico. ! y2 2 4 (y12 2 +1) Hf (x, y ) = y2 3y 2 4 (y12 8 xy +1)2 (y 2 +1)3 Analizamos que tipo de punto crtico se da en (0, 0) 2 4 Hf (0, 0) = 4 0 como fxx (0, 0) = 2 > 0 y |Hf (0, 0)| = 2 16 = 14 < 0 entonces en (0, 0) tenemos un punto de silla. En (1, 1) tenemos 2 0 Hf (1, 1) = 0 2

Prof. Susana Lpez

como fxx (1, 1) = 2 > 0 y |Hf (1, 1)| = 2 > 0 entonces en (1, 1) tenemos un mnimo. De manera anloga en (1, 1) tambin tenemos que 2 0 Hf (1, 1) = 0 2 por tanto, en (1, 1) tambin hay un mnimo. Girando el grco anterior podemos percibir como en (0, 0) hay un punto de silla y en (1, 1) y (1, 1) don mnimos.
5 y 5 2.5 0 -2.5 -5 30 8 25 6 4 15 2 10 -2 -1 0 y 1 22 1 x 0 -1 -2 0 0 5 z 20 z x 2.5 0 -2.5 -5

Prof. Susana Lpez EJERCICIOS: 1. Determinar los valores mximos, mnimos y puntos de silla de las siguientes funciones: (b) f (x, y ) = x2 + y 2 + x2 y + 4 sol. (0,0) mnimo, ( 2,-1) puntos silla (d) f (x, y ) = ex cos y sol. Ninguno (f) f (x, y ) = x2 (g) f (x, y ) = ex (h) f (x, y ) = xye mnimo
4xy y 2 +1

(a) f (x, y ) = x2 + y 2 + 4x 6y sol. (-2,3) mnimo (c) f (x, y ) = xy 2x y sol. (1,2) punto silla

(e) f (x, y ) = x sin y sol. puntos silla (0,n ) n entero sol. (0,0) punto silla, (1,1), (-1,-1) mnimo. p p p p sol. (0,0) puntos silla, ( 1/2, 1/2) mximo, ( 1/2, 1/2)
2 y 2

sol. (0,0) mximo

x2 y2

2. Sea f (x, y ) = a(2xy + y 2 + yx2 + cos(x + y )) + x2 (a2 y 2 ). Discute la existencia de extremos en el origen segn los valores de a R. 3. El ingreso total semanal (en dlares) de Country Workshop por la produccin y venta de sus escritorios est dada por: R (x, y ) = 0.2x2 0.25y 2 0.2xy + 200x + 160y donde x representa la cantidad de unidades acabadas, e y las unidades no acabadas, fabricadas y vendidas por semana. El gasto total semanal relativo a la fabricacin de estos escritorios est dado por: C (x, y ) = 100x + 70y + 4000 dlares. Cuntas unidades acabadas y no acabadas debe fabricar la compaa cada semana para maximizar su ganancia? Cul es la mxima ganancia posible? 4. Una lechera produce x galones de leche entera e y galones de leche descremada. Suponga que el precio de la leche entera es p (x) = 100 x, y el de la leche descremada es q (y ) = 100 y. Si C (x, y ) = x2 + xy + y 2 es la funcin de costes conjuntos de los artculos, cules deberan ser los valores de x e y para maximizar el benecio? 5. Un fabricante planea vender un nuevo producto a 150 Euros la unidad y estima que si se invierten x miles de Euros en desarrollo e y miles de Euros en promocin, los consumidores y 160x + x+4 unidades del producto. Si los costes de fabricacin comprarn aproximadamente 320 y +2 de este producto ascienden a 50 Euros por unidad, cunto debera invertir el fabricante en desarrollo y cunto en promocin para generar la mxima utilidad posible de la venta de este producto? (Nota: Utilidad=(nmero de unidades)(precio por unidad - coste por unidad) - cantidad total invertida en desarrollo y promocin).

Prof. Susana Lpez

6. Determinar el valor de k para que la funcin f (x, y ) = x2 + kxy + 9y 2 , tenga un mnimo en (0, 0). 7. Determinar el valor de k para que la funcin f (x; y ) = kex punto (0, 0).
2 +y 2

, tenga un mximo en el

8. Una empresa produce lavadoras y secadoras de tal forma que su funcin de costes es C (x, y ) = 2x2 +xy +2y 2 (unidades monetarias) y su funcin de ingresos es I (x, y ) = 2x+3y (unidades monetarias) donde x representa la cantidad de lavadoras producidas e y la cantidad de secadoras fabricadas. Suponiendo que se vende todo lo que se produce, determinar para qu valores de x e y se maximiza el benecio. 9. Sea Q = f (K ; L) = 6K 3 L 2 la funcin de produccin de una rma. Si los precios del capital, trabajo y producto son: 4, 3 y 2 (unidades monetarias). Calcular los niveles de capital y trabajo que proporcionan un benecio mximo as como el nivel de ste. 10. Una compaa telefnica planea introducir en el mercado dos tipos nuevos de sistemas de comunicacin que espera vender a sus mayores clientes comerciales. Se estima que el precio del primer sistema es de x cientos de EUROS (por cada unidad) y el del segundo es y cientos de EUROS. Se estima asimismo que 40 8x + 5y clientes comprarn el primero y 50 + 9x 7y el segundo. Si el coste de produccin del primer sistema es de 10 cientos de EUROS (por unidad) y el del segundo es de 30 cientos de EUROS (por unidad). A cunto debe vender la compaa cada sistema para hacer mximo el benecio? 11. Sea f (x, y ) una funcin tal que su polinomio de Taylor de segundo orden desarrollado en el punto (1, 1) es P2 (x, y ) = 2 2 (x 1)2 + 2 (x 1) (y + 1) (y + 1)2 Es posible deducir si (1, 1) es un punto crtico de f (x, y )? En caso armativo, es posible clasicarlo? 12. Si f (x, y ) es una funcin tal que en el punto (1, 1) tiene como polinomio de Taylor de segundo orden a P2 (x, y ) = 1 + 2x2 + 6xy y 2 Es (1, 1) un punto crtico de f (x, y )? En caso armativo, es posible clasicarlo?
1 1