5.

1 RECTA TANGENTE Y RECTA NORMAL A UNA CURVA

EN UN PUNTO. CURVAS ORTOGONALES.
La pendiente de la recta normal a una curva en un punto es la opuesta de la inversa
de la pendiente de la recta tangente, por ser rectas perpendiculares entre s.

La pendiente de la recta normal es la opuesta de la inversa de la derivada de la

funcin en dicho punto.

Ecuacin de la recta normal

La recta normal a a una curva en un punto a es aquella que pasa por el punto (a, f(a))
y cuya pendiente es igual a la inversa de la opuesta de f '(a).

Ejemplos
Calcular la ecuacin de la tangente y de la normal a la curva f(x) = ln tg 2x en el
punto de abscisa: x = /8.

Hallar la ecuacin de la recta tangente y normal a la parbola y = x 2 + x + 1 paralela a

la bisectriz del primer cuadrante.

Sea el punto de tangencia (a, b)

m=1
f'(a) = 2a + 12a + 1 = 1 a = 0
Punto de tangencia:(0, 1)
Recta tangente:
y 1 = x y = x +1
Recta normal:

m= 1P(0, 1)
y 1 = x y = x + 1

5.2 TEOREMA DE ROLLE, TEOREMA DE LAGRANGE O

TEOREMA
DEL
VALOR
MEDIO
DEL
CLCULO
DIFERENCIAL.
TEOREMA DE ROLLE

El teorema de Rolle dice que:

Si f es una funcin continua en [a, b] y derivable en (a, b), tal que f(a) = f(b),
hay algn punto c (a, b) en el quef'(c) = 0.

La interpretacin grfica del teorema de Rolle nos dice que hay un punto en
el que la tangente es paralela al eje de abscisas.
Ejemplos
1. Es aplicable el teorema de Rolle a la funcin f(x) = |x 1| en el intervalo
[0, 2]?

La funcin es continua en [0, 2].

No es aplicable el teorema de Rolle porque la solucin no es derivable en el
punto x = 1.

2. Estudiar si la funcin f(x) = x x 3 satisface las condiciones del teorema de

Rolle en los intervalos [1, 0] y [0, 1]. en caso afirmativo determinar los valores de
c.
f(x) es una funcin continua en los intervalos [1, 0] y [0, 1] y derivable en
los intervalos abiertos (1, 0) y (0, 1) por ser una funcin polinmica.
Adems se cumple que:
f(1) = f(0) = f(1) = 0

Por tanto es aplicable el teorema de Rolle.

3.Satisface la funcin f(x) = 1 x las condiciones del teorema de Rolle en el

intervalo [1, 1]?
La funcin es continua en el intervalo [1, 1] y derivable en (1, 1) por ser
una funcin polinmica.
No cumple teorema de Rolle porque f(1) f(1).

4.Probar que la ecuacin 1 + 2x + 3x 2 + 4x 3 = 0 tiene una nica solucin.

Vamos a demostrarlo por reduccin al absurdo.
Si la funcin tuviera dos races distintas x 1 y x 2 , siendo x 1 < x 2 , tendramos
que:
f(x 1 ) = f(x 2 ) = 0
Y como la funcin es continua y derivable por ser una funcin polinmica,
podemos aplicar el teorema del Rolle, que dira que existe un c (x 1 , x 2 ) tal que f'
(c) = 0.
f' (x) = 2 + 6x + 12x 2 f' (x) = 2 (1+ 3x + 6x 2 ).
Pero f' (x) 0, no admite soluciones reales porque el discrimnante es
negativo:
= 9 24 < 0.
Como la derivada no se anula en ningn valor est en contradiccin con
el teorema de Rolle, por lo que la hiptesis de que existen dos races es falsa.

5.Cuntas races tiene la ecuacin x 3 + 6x 2 + 15x 25 = 0?

La funcin f(x) = x 3 + 6x 2 + 15x 25 es continua y derivable en

Teorema de Bolzano .
f(0) = 25
f(2) = 37
Por tanto la ecuacin tiene al menos una solucin en el intervalo (0, 2).
Teorema de Rolle.
f' (x) = 3x 2 + 12x +15
Dado que la derivada no se anula, ya que su discriminante es negativo, la
funcin es estrictamente creciente y posee una nica raz.

6.Demostrar que la ecuacin 2x 3 6x + 1 = 0 una nica solucin real en el

intervalo (0, 1).
La funcin f(x) = 2x 3 6x + 1 es continua y derivable en

Teorema de Bolzano .
f(0) = 1
f(1) = 3
Por tanto la ecuacin tiene al menos una solucin en el intervalo (0, 1).
Teorema de Rolle.
f' (x) = 6x 2 - 6 6x 2 - 6 = 0 6(x 1) (x + 1) = 0
La derivada se anula en x = 1 y x = 1, por tanto no puede haber dos races en
el intervalo (0, 1).
Teorema de Lagrange o del valor medio
Joseph Louis Lagrange (1736 - 1813)

Si f(x) es continua en el intervalo cerrado [a,b] y derivable en todo punto del intervalo abierto (a,b),
entonces existe al menos un punto c donde f'(c) = (f(b) - f(a))/(b - a).
H) f(x)
es
continua
f(x)
es
derivable
T) Existe c perteneciente a (a,b) / f'(c)=(f(b) - f(a))/(b - a)

en
en

[a,b]
(a,b)

Geomtricamente, (f(b) - f(a))/(b - a) es la tangente del ngulo que forma la secante que pasa por los
puntos A(a,f(a)) y B(b,f(b)) de la curva, con el eje ox.
f'(c) es la tangente del ngulo que forma la recta tangente a la curva en el punto c, con el eje ox.

Entonces, el teorema expresa que existe al menos un punto en el intervalo (a,b) donde la tangente a la
curva es paralela a la recta que pasa por A y B.

Demostracin:

Definamos una funcin auxiliar g(x) = f(x) + hx, h perteneciente a R.

g es continua en [a,b] por ser suma de funciones continuas.

g es derivable en (a,b) por ser suma de funciones derivables.

Queremos que g(a) sea igual a g(b) para aplicar el teorema de Rolle
=> f(a) + ha = f(b) + hb => f(a) - f(b) = hb - ha = h(b - a)
f(a) - f(b)
=> h = ----------b-a
=> por teo. de Rolle, existe c perteneciente a (a,b) / g'(c) = 0
g'(x) = f'(x) + h
f(b) - f(a)
g'(c) = f'(c) + h = 0 => f'(c) = ----------b-a

Considrese por ejemplo, el caso donde x es el tiempo y f(x) la distancia de un automvil desde su
punto de partida a lo largo de cierto camino.
Entonces (f(b) - f(a))/(b - a) es la velocidad promedio del automvil en el perodo b - a. (Recordar que
velocidad = distancia/tiempo)
Por lo tanto f'(a)=limx->a (f(x) - f(a))/(x - a) es la velocidad del auto en el tiempo a.
Si por ejemplo el auto ha recorrido 200km. en 2 hs., la velocidad promedio fue de 100km. por hora.
Por el teorema de Lagrange podemos decir que, al menos en un momento durante esas dos horas, el
auto tuvo una velocidad de exactamente 100km/h.

5.3 FUNCIN CRECIENTE Y DECRECIENTE. MXIMOS Y

MNIMOS DE UNA FUNCIN. CRITERIO DE LA PRIMERA
DERIVADA PARA MXIMOS Y MNIMOS. CONCAVIDADES
Y PUNTOS DE INFLEXIN. CRITERIO DE LA SEGUNDA
DERIVADA PARA MXIMOS Y MNIMOS.
FUNCIN CRECIENTE Y DECRECIENTE

Observa que parte de la grfica se eleva, parte de la grfica baja y parte de la grfica
es horizontal. En estos casos se dice que la grfica crece, decrece o es constante.
Una funcin f se dice que es creciente si al considerar dos puntos de su grfica, (x1, f(x1) ) y ( x2,
f(x2) ) con
x1

<

x2

Se
f(x1)
tien
e
que
Prevalece la relacin <

<

f(x2).

Una funcin f se dice que es decreciente si al considerar dos puntos de su grfica, (x1, f(x1) ) y ( x2,
f(x2) ) con
x1

<

x2

Se
f(x1) >
tien
e
que
Cambia la relacin de < a >

f(x2).

Una funcin f se dice que es constante si al considerar dos puntos de su grfica, (x1, f(x1) ) y ( x2, f(x2)
) con
x1

<

x2

Se
f(x1) =
tien
e
que
Las y no cambian, son fijas

f(x2).

Considera la siguiente grfica:

Los intervalos donde la grfica es creciente son

[ 2.8, 3.6 ]
[ 5.2, 6 ]
El intervalo donde la grfica es decreciente es
[ 3.6, 5.2 ]
El intervalo donde la grfica es constante es
[ - 4, 2.8 ]
Mximo absoluto
Una funcin tiene su mximo absoluto en el x = a si la ordenada es mayor o
igual que en cualquier otro punto del dominio de la funcin.

a=0
Mnimo absoluto

Una funcin tiene su mnimo absoluto en el x = b si la ordenada es menor o igual que

en cualquier otro punto del dominio de la funcin.

b=0
Mximo y mnimo relativo

Una funcin f tiene un mximo relativo en el punto a, si f(a) es mayor o igual que los
puntos prximos al punto a.

Una funcin f tiene un mnimo relativo en el punto b, si f(b) es menor o igual que los
puntos prximos al punto b.

a = 3.08

b = -3.08

La base del presente criterio radica en observar que los mximos o mnimos locales son consecuencia
de observar los siguientes hechos:
1.- Cuando la derivada es positiva la funcin crece.
2.- Cuando la derivada es negativa la funcin decrece.
3.- Cuando la derivada es cero la funcin tiene un mximo o un mnimo.
Sea f(x) una funcin y c un nmero en su dominio. Supongamos que existe a y b con a<c<b tales que
1.- f es continua en el intervalo abierto (a,b) (de acuerdo con el teorema de Rolle)
2.- f es derivable en el intervalo abierto (a,b), excepto quiz en c;
3.- f(x) es positiva para todo x<c en el intervalo y negativa para todo x>c en el intervalo.
Entonces f tiene un mximo local en c.
Ntese que un criterio similar puede tenerse para obtener un mnimo local, solo es necesario
intercambiar positivo por negativo.

De manera intuitiva podemos observar que para determinar si existe un mximo o un mnimo basta
graficar alrededor de los puntos donde se ha presentado un cambio de signo Es tambin importante
tener en consideracin que el termino alrededor del cambio de signo de la derivada de la funcin es
muy relativo y es este punto donde tenemos que tener la mxima consideracin.
Un punto mas a considerar es el tener en cuenta que solo es necesario considerar no solo el cambio de
signos para la derivada Por ejemplo, para el caso de la funcin:

la funcin entre el intervalo (-1,1) tiene un cambio de signo, sin embargo, la funcin no es diferenciable
en el punto x = 0, pese a eso si existe un mnimo local.
Concavidad y puntos de inflexin

(fig.1)

(fig.2)

(f
ig.3)

Los posibles puntos de inflexin se identifican despejando a x de la ecuacin que resulta una vez se ha
igualado la segunda derivada de la funcin a cero; o para los valores de x para los cuales la segunda
derivada no existe.
CRITERIO DE LA SEGUNDA DERIVADA

Uno de los ordenes de derivacin es el de la segunda derivada, aunque no es despreciable la utilizacin

de las derivadas de orden superior, sobre todo en clculo de errores. Curiosamente las aplicaciones
fsicas implican, por lo general, derivadas de segundo orden como podra ser las ecuaciones de
movimiento.
En esta seccin presentaremos una interpretacin grfica de los criterios de la segunda derivada que
nos servir para poder obtener los mximos o mnimos de una funcin. Antes de analizar como es la
relacin de la segunda derivada conoceremos algunas definiciones:
DEFINICIN.
Cncava hacia abajo. Se dice que una funcin es cncava hacia abajo cuando la primera derivada
es creciente en un intervalo abierto (a,b)

Definicin.
Puntos de inflexin y nmero de inflexin. Sea f una funcin y a un nmero. Supongamos que existe
nmeros b y c tales que b<a<c y adems:
a)
b)

f es una funcin continua en el intervalo abierto (b,c)

f es una funcin cncava hacia arriba y cncava hacia abajo en (a,c), o viceversa.

Bajo las condiciones anteriores el punto (a,f(a)) se llama punto de inflexin, y al nmero a se
llama nmero de inflexin.
Si la segunda derivada f de una funcin f es positiva en un intervalo abierto (a,b) es porque la primera
derivada f es creciente en ese intervalo.

CRITERIOS DE LA SEGUNDA DERIVADA PARA MXIMOS Y MNIMOS RELATIVOS

Sea f una funcin con su primera derivada definida, al menos, en un intervalo abierto conteniendo al
nmero a. Si f esta definida entonces podemos considerar los siguiente aspectos:
a).- Si f(a)=0 y
b).- Si f(a)=0 y

f(a)<0 entonces se dice que f tiene un mximo local en a.

f(a)>0 entonces se dice que f tiene un mnimo local en a.

5.4 Anlisis de la variacin de funciones.

En funcin de variacin acotada, tambin conocido como BV funcin, es un numero real con valores
de funcin cuya variacin total est limitado (finito): la grfica de una funcin con esta propiedad se
comporta bien en un sentido preciso. Para una funcin continua de una sola variable, por ser de
variacin acotada significa que la distancia a lo largo de la direccin de la yEjes, dejando de lado la

contribucin del movimiento a lo largo de x Ejes, que recorre un punto movimiento a lo largo de la
grfica tiene un valor finito.
Para una funcin continua de varias variables, el significado de la definicin es la misma, excepto por
el hecho de que la trayectoria continua que se considera que no puede ser todo el grfico de la funcin
dada (que es un hipersuperficie en este caso), pero puede ser cada interseccin de la propia grfica con
un hiperplano (en el caso de funciones de dos variables, una plano) paralelo a un fijo xEjes y al y Ejes.
Funciones de variacin acotada son precisamente aquellos respecto de los cuales uno puede encontrar
en las integrales de Riemann-Stieltjes todas las funciones continuas.
Otra caracterizacin de los estados que las funciones de variacin acotada tienen es que encuentran que
en un intervalo cerrado son exactamente los f que se puede escribir como una diferencia g h, donde
ambos g y h estn limitados montono.
En el caso de varias variables, en funcin f definido en un subconjunto abierto Q de Rn se dice que la
variacin acotada si su de distribucin de derivados es un recurso finito del vector.
Uno de los aspectos ms importantes de las funciones de variacin acotada es que forman una lgebra
de funciones discontinuas cuya primera derivada existe casi en todas partes: debido a este hecho, se
puede y con frecuencia se utilizan para definir soluciones generalizadas de problemas no lineales
implican funcionales, ordinaria y ecuaciones diferenciales parciales en las matemticas, la fsica y de
ingeniera. Teniendo en cuenta el problema de la multiplicacin de las distribuciones o ms en general
el problema de la definicin general de las operaciones no lineales en funciones generalizadas, funcin
de variacin acotada son los ms pequeos y en la lgebra tiene que estar integrada en todos los
espacios de funciones generalizadas preservar el resultado de multiplicacin.
Notacin
Bsicamente, existen dos convenios distintos para la notacin de los espacios de funciones de la
variacin a nivel local o global limitada, y por desgracia son bastante similares: el primero, que es la
adoptada en esta entrada, se utiliza por ejemplo en las referencias Giusti (1984) (Parcialmente),
Hudjaev y Volpert (1985) (Parcialmente), Giaquinta, Modica y Soucek (1998) y es el siguiente
* (Omega) identifica el espacio de las funciones de variacin acotada a nivel mundial
* (Omega) identifica el espacio de las funciones de variacin acotada localmente
La segunda, que se adopta en las referencias Volpert (1967) y Mazya (1985) (Parcialmente), es la
siguiente:
* (Omega) identifica el espacio de las funciones de variacin acotada a nivel mundial
* (Omega) identifica el espacio de las funciones de variacin acotada localmente

5.5 CLCULO
DIFERENCIAL.

DE

APROXIMACIONES

USANDO

LA

En clculo, la diferencial representa la parte principal del cambio en una funcin y = (x) con respecto
a los cambios en la variable independiente. La misma diferencia se define por una expresin de la
forma
dy = {dy}{dx}\dx
como si el derivados dy/dx representa el cociente de una cantidad dy por una cantidad dx. Tambin se
escribe
df(x) = f(x)dx.

El significado preciso de tales expresiones depende del contexto de la aplicacin y el nivel requerido de
rigor matemtico. En los tratamientos modernos matemticos rigurosos, las cantidades dy y dx son
simplemente ms real variables que puede ser manipulado como tal. El dominio de estas variables
pueden tener un significado geomtrico particular, si el diferencial se considera un particular forma
diferencial, o la importancia de anlisis, si el diferencial se considera como una aproximacin lineal al
incremento de una funcin. En las aplicaciones fsicas, las variables dx y dy a menudo, deben ser muy
pequeas (infinitesimal).
El diferencial fue introducido por primera vez a travs de definiciones intuitivas o heurstico Gottfried
Wilhelm Leibniz, que pensaba de la diferencia dy como lo infinitamente pequeo (o infinitesimal)
cambio en el valor y de la funcin, que corresponde a un cambio infinitamente pequeo dx en el
argumento de la funcin x. Por esa razn, la razn instantnea de cambio de y con respecto a x, que es
el valor de la derivados de la funcin, se denota por la fraccin
{dy}{dx}
en lo que se llama el Leibniz notacin para los derivados. El cociente dy/dx es, por supuesto, no lo
infinitamente pequeo, sino que es un nmero real.
El uso de los infinitesimales en esta forma fue muy criticado, por ejemplo, el famoso panfleto El
Analista por el obispo Berkeley. Augustin-Louis Cauchy (1823) se define la diferencia, sin apelar a la
teora atmica de los infinitesimales de Leibniz. En cambio, Cauchy, tras DAlembert, se invierte el
orden lgico de Leibniz y sus sucesores: el derivado de s mismo se convirti en el objeto fundamental,
que se define como un lmite de los cocientes de diferencia, y los diferenciales se definieron a
continuacin, en trminos de la misma. Es decir, uno era libre de definir el diferencial dy por una
expresin
dy = f(x)dx
en el que dy y dx son simplemente nuevas variables tomando finitos valores reales, no fija los
infinitesimales como lo haban sido por Leibniz.
De acuerdo con Boyer (1959, P. 12), el enfoque de Cauchy fue una mejora significativa sobre el
enfoque lgico infinitesimal de Leibniz, ya que, en lugar de invocar la nocin metafsica de los
infinitesimales, las cantidades dy y dx ahora podra ser manipulado exactamente de la misma manera
que cualquier otras cantidades reales de una manera significativa. enfoque conceptual global de Cauchy
de las diferencias sigue siendo el estndar en los modernos tratamientos de anlisis, aunque la ltima
palabra en el rigor, una nocin completamente moderna del lmite, en ltima instancia, debido a la Karl
Weierstrass.
En los tratamientos fsicos, tales como los aplicados a la teora de la termodinmica, el punto de vista
infinitesimal an prevalece. Courant y John (1999, P. 184) lograron conciliar el uso fsico de las
diferencias infinitesimales con la imposibilidad matemtica de la siguiente manera. Las diferencias
finitas representan valores no nulos que son ms pequeas que el grado de precisin que se requiere
para el propsito particular de que estn destinados. As, infinitesimales fsica no es necesario
recurrir a un matemtico infinitesimal correspondientes a fin de tener un sentido preciso.

Tras los acontecimientos del siglo XX en anlisis matemtico y geometra diferencial, qued claro que
la nocin de la diferencia de una funcin podra ampliarse en una variedad de maneras. En anlisis real,
es ms conveniente tratar directamente con la diferencia de que la parte principal del incremento de una
funcin. Esto lleva directamente a la nocin de que el diferencial de una funcin en un punto es
funcional lineal de un incremento x. Este enfoque permite que el diferencial (como una aplicacin
lineal) a desarrollar para una variedad de espacios ms sofisticados, en ltima instancia, dando lugar a
nociones como la Frchet o Gteaux derivados.
Del mismo modo, en geometra diferencial, la diferencial de una funcin en un punto es una funcin
lineal de un vector tangente (un desplazamiento infinitamente pequeo), que presenta como una
especie de una forma: la derivada exterior de la funcin.

5.6 PROBLEMAS
RELACIONADAS.

DE

OPTIMIZACIN

DE

TASAS

En el caso ms simple, esto significa que la solucin de problemas en los que se busca reducir al
mnimo o maximizar un funcin real por la eleccin sistemtica de los valores de real o entero
variables dentro de un conjunto permitido. Esta formulacin, mediante un escalar de valor real de la
funcin objetivo, es probablemente el ejemplo ms simple, la generalizacin de la teora y tcnicas de
optimizacin para otras formulaciones abarca una gran rea de matemticas aplicadas. De manera ms
general, significa la bsqueda de mejores tcnicas disponibles los valores de alguna funcin objetivo
dado un dominio definido, incluyendo una variedad de diferentes tipos de funciones objetivo y los
diferentes tipos de dominios.
La tcnica de optimizacin en primer lugar, que se conoce como descenso ms rpido, se remonta a
Gauss. Histricamente, el primer trmino que se introdujo fue programacin lineal, que se debi a
George B. Dantzig, aunque gran parte de la teora haba sido introducida por Leonid Kantorovich en
1939. Dantzig public el algoritmo simplex en 1947, y John von Neumann desarroll la teora de la

dualidad en el mismo ao. El trmino de programacin en este contexto no se refiere a equipo de

programacin. Por el contrario, el trmino proviene de la utilizacin de programa de los militares de
Estados Unidos para referirse a la formacin propuesta y logstica horarios, que fueron los problemas
que Dantzig estaba estudiando en ese momento.
Otros matemticos importantes en el campo de optimizacin son:
* Richard Bellman
* Ronald A. Howard
* Leonid Kantorovich
* Narendra Karmarkar
* William Karush
* Leonid Khachiyan
* Bernard Koopman
* Harold Kuhn
* Louis Joseph Lagrange
* Lszl Lovsz
* Arkadii Nemirovskii
* Yuri Nesterov
* John von Neumann
* Boris Polyak
* Lev Pontryagin
* James Renegar
* R. Rockafellar Tyrrell
* Cornelis Roos
* Naum Z. Shor
* Michael J. Todd
* Albert Tucker

Importantes Subcampos

Convexo de programacin estudia el caso en que la funcin objetivo es convexo y las

limitaciones que, en su caso, forman un conjunto convexo. Esto puede ser visto como un caso
particular de la programacin no lineal, o como la generalizacin de la programacin lineal o
cuadrtica convexa.

o Programacin lineal (LP), es un tipo de programacin convexa, estudia el caso en que la funcin
objetivo f es lineal y el conjunto de restricciones se especifica utilizando slo las igualdades y
desigualdades lineales. Este conjunto se denomina poliedro o una politopo si es delimitadas. o De
segundo orden de programacin de cono (SOCP) es un programa convexo, e incluye ciertos tipos de
programas de segundo grado. o Semidefinida programacin (SDP) es un subcampo de optimizacin
convexa donde las variables subyacentes son semidefinida matrices. Es la generalizacin de la
programacin lineal y cuadrtica convexa. o Cnica de programacin es una forma general de la
programacin convexa. LP, SOCP y SDP todos pueden ser vistos como programas cnica con el tipo
apropiado de cono. o Geomtrica de programacin es una tcnica mediante la cual las limitaciones

objetivas y la desigualdad expresada en posynomials y restricciones de igualdad como monomios se

puede transformar en un programa convexo.
Programacin entera estudios de programacin lineal en el que algunas o todas las variables se
ven obligados a asumir entero valores. Esto no es convexo, y en general mucho ms difcil que
la programacin lineal ordinario.
Cuadrtica de programacin permite que la funcin objetivo de tener trminos de segundo
grado, mientras que el conjunto A se debe especificar con igualdades y desigualdades lineales.
Para las formas especficas de la expresin cuadrtica, se trata de un tipo de programacin
convexa.
De programacin no lineal estudia el caso general en el que la funcin objetivo o restricciones,
o ambos contienen partes no lineal. Esto puede o no puede ser un programa convexo. En
general, la convexidad del programa incide en la dificultad de resolver ms de la linealidad.
programacin estocstica estudia el caso en el que algunas de las limitaciones o parmetros
dependen de variables aleatorias.
Robusta de programacin es decir, la programacin estocstica, un intento de capturar la
incertidumbre en los datos subyacentes del problema de optimizacin. Esto no se hace a travs
del uso de variables aleatorias, pero en su lugar, el problema se resuelve teniendo en cuenta las
inexactitudes en los datos de entrada.
De optimizacin combinatoria tiene que ver con problemas en los que el conjunto de soluciones
factibles es discreto o se puede reducir a un discretos una.
optimizacin de dimensin infinita estudia el caso cuando el conjunto de soluciones factibles es
un subconjunto de un infinito-dimensiones espacio, como un espacio de funciones.
Metaheursticas que pocas o ninguna hiptesis sobre el problema que se est optimizando y
puede buscar espacios muy grandes de las soluciones candidatas. Sin embargo, metaheursticas
no garantizan una solucin ptima es que se ha encontrado.
De satisfaccin de restricciones estudia el caso en que la funcin objetivo f es constante (esto se
utiliza en inteligencia artificial, Sobre todo en razonamiento automatizado).
o Restriccin de programacin.
programacin disyuntivas utiliza cuando al menos una restriccin debe ser satisfecho, pero no
todos. De uso particular, en la programacin.

En una serie de sub-campos, las tcnicas estn diseadas principalmente para la optimizacin en
contextos dinmicos (es decir, la toma de decisiones en el tiempo):

Clculo de variaciones busca optimizar un objetivo definido en muchos puntos en el tiempo,

considerando cmo los cambios de la funcin objetivo si hay un pequeo cambio en la
trayectoria eleccin.
Control ptimo la teora es una generalizacin del clculo de variaciones.
Programacin dinmica estudia el caso en el que se basa la estrategia de optimizacin de dividir
el problema en subproblemas ms pequeos. La ecuacin que describe la relacin entre estos
subproblemas se llama el Ecuacin de Bellman.
De programacin matemtica con restricciones de equilibrio es donde las restricciones son
desigualdades variacionales o complementariedades.