Caracterizacion de minimos y maximos

Los mximos y mnimos de una funcin, conocidos colectivamente como extremos

de una funcin, son los valores ms grandes (mximos) o ms pequeos (mnimos), que
toma una funcin en un punto situado ya sea dentro de una regin en particular de la curva
(extremo local) o en el dominio de la funcin en su totalidad (extremo global o
absoluto). De manera ms general, los mximos y mnimos de un conjunto (como se define
en teora de conjuntos) son los elementos mayor y menor en el conjunto, cuando existen. El
localizar valores extremos es el objetivo bsico de la optimizacin matemtica.
Una funcin puede tener ms de un mximo o ms de un mnimo locales.
Gradiente de una funcin
Sea : n
Se llama gradiente de y se escribe al vector formado por las derivadas
parciales de
Ejemplo:

El vector gradiente calculado en un punto es un vector numrico.

Ejemplo:

Funcin convexa.
Una funcin es convexa si y slo si al unir dos puntos cualesquiera de la grfica de
la funcin, el segmento que los une queda por encima (o coincide) con la grfica.

Ejemplos:

En el ejemplo a) la funcin se llama estrictamente convexa porque el segmento

queda siempre estrictamente por encima de la grfica.
En el ejemplo b) la funcin es convexa pero no estrictamente, porque si se toman
dos puntos sobre la zona roja de la grfica, el segmento coincide con ella.
Definicin:
convexa

estrictamente convexa

Caracterizacin:
convexa h(x) semidefinida positiva
estrictamente convexa h(x) definida positiva
estrictamente convexa h(x) semidefinida positiva

Ejemplos:

1.

Consideramos su matriz hessiana:

Observamos que es semidefinida positiva
Por tanto, deducimos que

es convexa.

2.

Consideramos su matriz hessiana:

Observamos que es definida positiva
Por tanto, deducimos que

es estrictamente convexa.

Propiedades:
1.

convexa

cncava

2.
3. Una funcin lineal es cncava y convexa simultneamente.
4.

convexas

convexa
Funcin cncava.

Una funcin es cncava si y slo si al unir dos puntos cualesquiera de la grfica de

la funcin, el segmento que los une queda por debajo (o coincide) con la grfica.
Ejemplos:

En el ejemplo a) la funcin se llama estrictamente cncava porque el segmento

queda siempre estrictamente por debajo de la grfica.
En el ejemplo b) la funcin es cncava pero no estrictamente, porque si se toman
dos puntos sobre la zona roja de la grfica, el segmento coincide con ella.
Definicin:
cncava

estrictamente cncava

Caracterizacin:
cncava h(x) semidefinida negativa
estrictamente cncava h(x) definida negativa
estrictamente cncava h(x) semidefinida negativa
Ejemplos:

1.

Consideramos su matriz hessiana:

Observamos que es definida negativa
Por tanto, deducimos que

es estrictamente cncava.

Propiedades:
1.

convexa

2.

cncava

convexa

3. Una funcin lineal es cncava y convexa simultneamente.

4.

convexas

convexa

Bibliografa
http://www.ub.edu/matheopt/optimizacion-economica/conocimientos-iniciales