Está en la página 1de 22

UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

UNIVERSIDAD NACIONAL DE CAJAMARCA


Facultad de Ingeniera
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

MXIMOS Y MNIMOS APLICADOS A LA INGENIERA

CURSO:
ANALISIS MATEMATICO II
DOCENTE:
Ing. Ever Rojas Huamn.

ALUMNOS:

Gallardo Mariano, Dany.


Lopez Pompa, Oswaldo.
Ortiz Quiliche, Leo.
Quiroz Sangay, Esther.
Rodrguez Snchez, Richard.
Vargas Limay, Jhon.
Cajamarca, marzo de 2015

8
ANLISIS MATEMATICO II

UNIVERSIDAD NACIONAL DE CAJAMARCA


FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

1. PLANTEAMIENTO DEL PROBLEMA

Para calcular valores mximos o mnimos locales de una funcin de una variable, es
comn:
1. Calcular la 1ra. Derivada
2. Igualar la 1ra. Derivada a 0 y a partir de all, calcular los puntos crticos
3. Calcular la 2da. Derivada en los puntos crticos
a) Si la segunda derivada es positiva en el punto crtico, la funcin tiene un valor mnimo
local en tal punto.
b) Si la 2da. Derivada es negativa, en tal punto crtico, la funcin alcanza unmximo
local en tal punto.
c) Si la segunda derivada es igual a 0, en el punto crtico, el punto es un punto de
inflexin.

Los grficos ejemplifican los casos:

8
ANLISIS MATEMATICO II

UNIVERSIDAD NACIONAL DE CAJAMARCA


FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

An en los casos a) y b), para calcular mximos o mnimos globales, hay que comparar
los valores mximos y mnimos locales, hallados antes, con los valores de la funcin en
los extremos del intervalo ya que podran presentarse situaciones como se muestra en el
siguiente grfico:

En donde los mximos o mnimos locales, en el interior del intervalo [a,b] no son mximos
o mnimos globales, los cuales en este caso se encuentran en los extremos a y b. En tales
puntos, no sucede que f(a) = 0 o f(b) = 0. La condicin f(x) = 0 no garantiza siempre
que el punto sea un mnimo o un mximo local, tal como sucede en los puntos de inflexin.
Por ello se dice que la condicin f(x) = 0 no es una condicin suficiente, pero si
necesaria, bajo ciertas condiciones de diferenciabilidad en el interior del intervalo (que la
primera derivada exista y sea continua).
Esta distincin entre condiciones necesarias y suficientes, es fundamental en toda
investigacin.
Pese a ello, en la prctica, los mtodos de optimizacin comienzan buscando los puntos en
los cuales se cumple la condicin necesaria f(x) = 0, para concluir posteriormente, an sin
utilizar la segunda derivada que el punto es de mxima o de mnima, como lo
ejemplificaremos ms adelante, comparando por ejemplo los valores de la funcin en los
puntos crticos y por ltimo comparndolos con valores de la funcin en la frontera del
dominio, o sea, en el caso de una variable, en los extremos del intervalo.

8
ANLISIS MATEMATICO II

UNIVERSIDAD NACIONAL DE CAJAMARCA


FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

1.2 OBJETIVO GENERAL


Ilustrar la relacin entre diferentes problemas de optimizacin y los mtodos para
resolverlos, de tal manera que este estudio pueda ser utilizado como una ayuda didctica
para el curso de Anlisis Matemtica II en la Universidad Nacional de Cajamarca.

1.3 OBJETIVOS ESPECFICOS


1. Presentar mtodos rudimentarios e ingeniosos para resolver problemas de
optimizacin
2. Utilizar en los problemas la teora de optimizacin estudiada en Anlisis Matemtica II
3. Ilustrar grficamente, en lo posible.

8
ANLISIS MATEMATICO II

UNIVERSIDAD NACIONAL DE CAJAMARCA


FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

II. MARCO TERICO

2.1 Antecedentes.
Los problemas de optimizacin de funciones de una o mas variables se presentan no slo en
problemas de ingeniera sino tambin en asuntos relacionados con actividades cuotidianas
especialmente relacionadas con la economa.
Algunos de estos problemas son:
a) Clculo de costos, en donde se desea maximizar una ganancia o minizar costos. En
general ambos aspectos son importantes.
b) Clculo de distancias mnimas entre una trayectoria y un punto o problemas
similares
c) Clculo de cantidades producidas, ya sean unidades, peso u otra medida de
produccin, cumpliendo ciertas restricciones respecto de los insumos.

2.2 Bases Tericas.

Mximo y Mnimo relativos: Extenderemos la definicin a funciones de dos


variables

Definicin:

1. Una funcin f(x, y) tiene un mximo relativo en (a, b) si hay una vecindad de radio
centrada en (a, b) tal que f(a, b) > f(x ,y)
2. Hay un mnimo relativo en (x , y) si f(a ,b) < f(x ,y). Para todos los (x, y) en una
vecindad de radio.

8
ANLISIS MATEMATICO II

UNIVERSIDAD NACIONAL DE CAJAMARCA


FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA

I. Los extremos relativos de una funcin de una variable ocurren solamente si la primera
derivada es cero en el punto. Una proposicin similar se cumple para funciones de dos
variables, pero en este caso el gradiente reemplaza a la primera derivada
II. Teorema
Si f(x, y) alcanza un mximo o mnimo relativo en el punto P, entonces gradf (P) = 0

Ejemplos

Sea:

f(x,y) = x2 + xy - 2y + x - 1

Entonces: gradf = <2x + y + 1,x - 2> = 0


Por lo tanto: x - 2 = 0

x=2

Luego: 2(2) + y + 1 = 0
Entonces: y = 5
Un extremo posible es (2,-5).
Note que el hecho de que la primera derivada de 0 no garantiza un mximo o un mnimo.
El hecho de que el gradiente sea 0, tampoco garantiza un extremo relativo. Sin embargo,
la segunda derivada viene al rescate.
Empezamos por definir una versin de la segunda derivada en dos variables.
Definicin: Llamamos a la matriz:
fxx fxy
fyx fyy
El hessiano. Su determinante es D = fxxfyy - fx y2

8
ANLISIS MATEMATICO II

Ahora podemos generalizar la prueba de la segunda derivada para funciones de dos variables.
Este teorema permite clasificar los puntos crticos como mximos, mnimos o ni lo uno ni lo otro.
Hay un caso tpico de punto crtico que no es ni de mxima ni de mnima. Se denomina, un punto
de silla. Una superficie con un punto de silla se comporta como la tpica silla de montar. Adelante
y atrs del punto crtico va hacia arriba, mientras que va hacia abjo de derecha a izquierda.
Teorema (Test de la Segunda Derivada para funciones de dos variables)
Si gradf = 0, concluimos
D

fxx

Type

>0

>0

Rel Min

>0

<0

Rel Max

<0

any

Silla

=0

any

No concluye

Ejemplo:
Se Sea: f(x,y) = -x2 - 5y2 + 8x - 10y - 1
a
Luego: gradf = <-2x + 8,-10y - 10> = 0
Como Fx x = -2,

fy y = -10,

and

en

(4,-1)

fx y = 0

Entonces: D = (-2)(-10) - 0 > 0


Luego f tiene un mximo relativo en (4,-1) el cual es f(4,-1) = 8.

Ejemplo:
Sea: f(x,y) = 4xy - x4 - y4
Entonces: gradf = <4y - 4x3,4x - 4y3>
Al resolver: 4y - 4x3 = 0 llegamos a y = x3
Por lo tanto 4x - 4(x3)3 = 0 o x - x9 = 0
Luego x = 1

x=0

x = -1

Colocando estos valores en y = x3 y encontramos los puntos (1,1), (0,0) y (-1,1)


Como f(xx) = -12x2,

f(yy) = -12y2,

Se concluye D = 144x2y2 - 16

f(xy) = 4

Podemos concluir la siguiente tabla:

Punto

F(xx)

Tipo

(1,1)

126

-12

Max

(0,0)

-16

Silla

(-1,-1)

126

-12

Max

La teora de los multiplicadores de Lagrange se basa en la condicin necesaria de KuhnTucker y est ampliamente explicada en diferentes textos.

2.3. Definicin de Trminos Bsicos


Punto de Silla: Un punto donde el gradiente de f es 0 y falla el test de la segunda
derivada.
Gradiente: Vector cuyas componentes son las derivadas parciales de la funcin,
respecto a cada una de las variables independientes.
Mximo o mnimo local: Definido como Mximo o Mnimo relativo en la seccin
2.2
Mximo o Mnimo global: Llamado a veces Mximo o Mnimo absoluto. Se
caracteriza porque en l, el valor de la funcin es mayor o igual que cualquier otro
valor en el dominio de la funcin, en el caso de Mximo. Definicin similar para
Mnimo Global. Condicin necesaria o suficiente: En la implicacin p q , p es la
condicin suficiente para q, mientras que q es condicin necesaria para p.

Ejemplo 1. En donde se ejemplifica como una vez encontrados los puntos crticos, existen
diversas tcnicas para encontrar si el punto es de mxima o de mnima.

Se calcul el punto crtico (4, -1) de la funcin f(x,y) = -x 2 - 5y2 + 8x - 10y 13, utilizando la
condicin necesaria f(x,y) = 0.
All se utiliz el determinante del Hessiano D = fxxfyy - fxy2= 20>0 y el hecho de fxx = - 2 < 0
para concluir que all se daba el valor mximo de la funcin.
El siguiente razonamiento demuestra lo mismo sin utilizar ni el Hessiano, ni segundas derivadas.
Razonamos as:
Sea h 0, k 0. Probaremos que f(4+h, -1+k) < f(4, -1) = 8, concluyendo de esta manera que en
(4,-1) acontece un mximo.
f(4+h,-1+k) = - (4+h)2 5(-1+k)2 + 8(4+h) 10(-1+k) 13 = -42 5(-1)2+8(4)10(-1)- 13
8h h2 + 10k - 5k2 + 8h 10 k = f(4,-1) (h2 + k2) < f(4,-1), para todo h 0, k 0.

Ejemplo 2 Un ejemplo en donde se ejemplifican otros mtodos para determinar si un


punto crtico es de mxima o de mnima.

* Hallar los valores de x e y tales que x + y = 5 y z = xy sea mximo. Solucin: Utilizaremos el


mtodo de los multiplicadores de Lagrange.
La funcin a optimizar es z = f(x,y) = xy, sometida a la restriccin g(x,y) = 5

f(x) = y, f(y =) x,

g(x) = 1, g(y) = 1. Por lo tanto, de la condicin necesaria

f(x,y) = g(x,y) tenemos que x = , y = . De donde x = y. De la restriccin x+y=5,


concluimos que x = y = 5/2.

Evidentemente z = xy = 25/4, no es un mnimo ya que cumpliendo la restriccin hay


muchas parejas xy, tales que f(x,y) < 25/4, como es el caso de x = 0, y = 0. Por lo tanto
debe ser un mximo.
Examinando la funcin z = xy, en el grfico adjunto, encontramos que en el primer
cuadrante, es nada menos que el rea del rectngulo con vrtices en (0,0) y (x,y). Al
moverse (x,y) desde x= 0, y = 5, hasta x= 5, y = 0, tal rea es en principio 0, cuando (x,y) =
(0,5), toma valores positivos y regresa a 0, cuando (x,y) = (5,0).
Como z= f(x,y) > 0, para x 0, y 0 y la funcin es continua y acotada ya que z=f(x,y) =
xy < 5x5 = 25 (su rea es menor que la del cuadrado de lado 5) tal funcin alcanza un
mximo. El nico canditato es x= 5/2, y = 5/2, nico punto que cumple la condicin
necesaria de Lagrange, el cual es por lo tanto el mximo.

Y
(0,5)

(5,5)
(x ,y)

y
(0,0) x

Ejemplo 3: Este

ejemplo

(5,0)

muestra

una

aplicacin

real

de

la teora

de

optimizacin a la termodinmica.
La temperatura en un punto (x,y) en una placa de metal est dada por 4x2 - 4xy + y2. Una
hormiga, camina sobre la placa, movindose en un crculo de radio 6 con centro en el

origen. Cules son las temperaturas ms alta y ms baja, soportadas por la hormiga en su
recorrido

La funcin objetiva
La funcin a maximizar y minimizar en este ejemplo es la que describe la temperatura.
.

Derivadas Parciales
Las derivadas parciales en este problema son:

La restriccin
La restriccin est dada por la circunferencia en la cual viaja la hormiga.

La funcin a diferenciar
La funcin a diferenciar es (esta es una manera equivalente de describir la condicin
necesaria de Lagrange:

If Fx = 0, then 4x - 2y - x = 0, despejando y

Al sustituir y en Fy = 0

Multiplicando por 2 y factorizando, obtenemos:

Luego x = 0,

= 0, and

= 5 son las soluciones. Debemos considerar tres casos. Primero:

f(x) = 0, al estudiar la ecuacin de la circunferencia obtenemos y = 6. Segundo, si = 0


de f(x) = 0, concluimos y = 2x and x2 + 4x2 = 36 de la ecuacin del crculo. Por lo tanto.

Tercero, si = 5 entonces y = -x/2 y


y

, luego

. Finalmente, calculando la temperatura f(x,y) en cada uno de los puntos,

llegamos a una
temperatura mxima en

y a una temperatura mnima en

La temperatura mxima es 180 y la mnima de 0 grados, mientras la hormiga describe el


crculo. El punto crtico (0, 6 ) queda descartado porque en l se da una temperatura de
36 que no es ni mxima ni mnima.Utilizacin del ejemplo 2 para corroborar las bases
tericas de la condicin de LaGrange.

Si dibujamos las curvas de nivel de la funcin objetiva (funcin a optimizar), en el plano


XY, junto con la recta restriccin

x + y = 5, encontramos que cuando M sea mximo o

mnimo, el punto (x,y) debe estar tanto en la recta restriccin x + y = 5 como en la curva de
nivel y = M/x (hiprbola). El valor de M ser el mximo cuando la curva de nivel de
f(x,y)= xy, y= M/x, sea tangente a la restriccin g(x,y) = 0. En dicho lugar, el vector f(x,y)
es perpendicular a su curva de nivel.
y = M/x. De otro lado g(x,y) es perpendicular a x + y =5 en

dicho

punto

(considerndola como una curva de nivel de una funcin, por estar igualada a una
constante).Por ser los dos lugares geomtricos tangentes, concluimos que los gradientes son
paralelos entre s, lo cual significa que f(x,y) = g(x,y) para algn .

El problema de la lechera. Otra manera de justificar la condicin de LaGrange.


La lechera (MilkMaid) o nia que atiendes las vacas, divisa a la vaca. Situada en el punto C
(Cow). Debe llevarle agua y por lo tanto ir primero al ro. No puede ir directamente de M a
C, ya que no pasara por el ro. Por lo tanto, busca la ruta mas corta para ir a la rivera del
ro en lnea recta y llegar a la vaca.
Considerando que la ribera

del ro satisface la ecuacin g(x,y) = 0, debemos hallar un

punto R(x,y) en la ribera tal que la suma de las distancias MR + RC sea mnima. Si la
lechera se transladase a un punto sobre una elipse y luego se dirigiera a la vaca, la
distancia que recorrera sera la suma de las distancias del punto de la elipse hacia los
focos. Tal suma de las distancias es una constante, en la elipse, dndole una libertad de
escogencias de rutas que le permiten una amplia variedad de recorridos. Ms como desea
que el punto est sobre la rivera del ro, debe escoger una elipse que toque la rivera del ro.
En este punto de tangencia los gradientes de la funcin a optimizar y de la restriccin son
paralelos tal como se describi en el estudio del ejemplo2, por lo tanto f(x,y) =
g(x,y), donde:

f(x,y) = MR + RC (Aqu interviene el teorema de Pitgoras para expresar de manera


funcional la suma de las distancias) y g(x,y) = 0, es la ecuacin de la ribera del ro. Esta
otra justificacin de la condicin de Lagrange.

Un problema clsico es el de la cajita. Se desea construir una caja sin tapa, de base
cuadrangular, a partir de una lmina cuadrada de 60 unidades de longitud de lado,
recortando cuadrados de sus esquinas y doblando las pestaas sobrantes para que sean su
altura. Calcular las dimensiones de la caja de mayor volumen.
Solucin:
La figura muestra la idea. La lmina entera est a la izquierda con los dobleces que se le
han de hacer y los cuadritos en las esquinas que deben eliminarse. A la derecha aparece la
cajita ya construida. Sea x la longitud del cuadrito a eliminarse, por lo tanto la longitud
restante que ser realmente lo largo y ancho de la cajita es de 60 - 2x. Antes de resolver el
problema conviene hacer una pequea tabla para mostrar que con diferentes valores del
cuadrito a eliminar de lado x , que es lo mismo que la altura de la caja, se obtienen
volmenes diferentes. O sea, si la altura de la caja es, por ejemplo, x = 1, las otras
dimensiones son de 58 58 y su volumen es de V = 1 58 58 = 3364

11

15

20

Largo
y
ancho

58

56

52

42

38

30

20

volum
en

3364

6272

10816

15876

15884

13500

8000

Va aumentando

va disminuyendo

Puede verse en la tabla que el volumen va aumentando hasta cierto valor y luego comienza
a descender, lo que significa que hay algn volumen que es ms grande que los dems, o
sea que es mximo. No puede afirmarse a la ligera que el volumen mximo es V = 15 884
correspondiente a las dimensiones 11 38 38 simplemente porque ese es el que se ve en
la tabla, pues bien podra ser que antes de x = 11 y despus de x = 9 se haya logrado el
mximo y que al pasar por x = 11 ya venga en descenso. O tambin podra ser posible que
despus de x = 11 siga creciendo el volumen y luego al descender (entre x = 11 y x = 15) se
lleg a V = 13 500 cuando x = 15, segn la tabla.

Tampoco tendra validez completar la tabla con los valores de x = 10 ; x = 12 ; x = 13 y x =


14 para analizar la tabla y sacar una conclusin, pues de entrada nada garantiza que el
mximo se obtenga para un valor entero de x, sino para un valor decimal. La nica manera
certera de obtener el valor de x para el cual el volumen es mximo es aplicando el
procedimiento de mximos y/o mnimos del Clculo Diferencial.

El volumen de la cajita es:

V = x (60 - 2x)(60 - 2x) = x (3600 - 240x + 4x2) = 360 0x - 240x2 + 4x 3


Esta es la funcin que describe el comportamiento del enunciado, por lo tanto es la que
debe derivarse y aplicarle todo el procedimiento de mximos y/o mnimos:
dx/dv =3600 480x + 12x2
Igualando a cero y resolviendo: 12x2 480x + 3 600 = 0

De donde los valores crticos que se obtienen son x = 30, x = 10


Cul de ambos valores es mximo y cul es mnimo? Para investigarlo se puede recurrir al
proceso general, es decir, dar un valor un poco menor, luego un valor un poco mayor, etc.,
pero a veces, como en este ejemplo, se puede deducir por lgica. Recordando que x
representa la altura de la cajita, es decir, la longitud del cuadrito a eliminarse, si sta mide
30, al quitar por cada esquina cuadritos de 30, cunta lmina queda para hacer la cajita?
Nada!
Significa que en x = 30 hay un mnimo. Por lo tanto, en x = 10 hay un mximo.

Ejemplo:
En un terreno fangoso rectangular que mide 5 km de ancho por 8 km de largo se tiene que
comunicar el punto A con el punto B por medio de una carretera, como lo muestra la figura
La carretera debe atravesar desde el punto A hasta cierto punto P situado en el lado
contrario; y luego desde P hasta B debe trazarse la carretera paralelamente al terreno
fangoso, pero ya por tierra firme. El costo a travs del terreno fangoso es de 10 millones de
pesos el kilmetro mientras que por tierra firme es de 7 millones de pesos el kilmetro.
Calcular las distancias AP por terreno fangoso y PB por tierra firme tales que el costo total
de la carretera sea el mnimo.

SOLUCIN:
Sea x la ubicacin del punto P respecto del vrtice inferior izquierdo del terreno fangoso.
Por lo tanto, el resto PB debe ser (8 - x). Obsrvese que los valores frontera para la variable
x son x = 0 y x = 8, es decir, 0 < x < 8.
Conforme a la figura la distancia AP se puede obtener por el teorema de Pitgoras: (AP)2 =
25 + X2
El costo total C de la carretera es el costo unitario (por kilmetro) de cada tramo por su
longitud, es decir: C=10

2 +7(8 X)

Antes de calcular el costo mnimo, es saludable hacer una tabla de los diferentes costos
segn sea la ubicacin del punto P para visualizar la variacin de dichos costos. En la tabla
los costos estn en millones de pesos. Para obtener el costo total de la carretera
dependiendo del valor dado a x simplemente hay que sustituir en la frmula del costo.

COSTO 106

99.99

95.85

93.30

92.03

91.71

92.10

93.02

94.33

Puede verse en la tabla que los costos van disminuyendo y aparentemente el mnimo se
obtiene cuando x = 5. Los clculos siguientes demostrarn que no debe guiarse uno por la
apariencia.
Derivando la frmula del costo: dc/dx=10(2x)/ 2

- 7, dc/dx=10x/

igualando a cero 10x /

)=0,

- 7=0, 10x 7(

10x=7(

7,
) , x=7(

)/10, x2=24.0196, x = 4.90098.


Como el valor crtico negativo no tiene sentido porque x representa una longitud (ver
figura), entonces x = 4.9008 es el mnimo. Y como se dijo al inicio, el hecho de que en la
tabla haya aparecido el valor de x = 5 como el mnimo no significa que este valor lo sea
realmente. El costo mnimo se puede obtener sustituyendo x = 4.9008

Recurdese que el 10 antes del radical indica diez millones pesos, que es el costo por km en
el terreno fangoso; y que el 7 antes del parntesis indica siete millones de pesos, que es el
costo por km en terreno firme. Por lo tanto, la unidad de costo es de milln de pesos.
Continuando las operaciones anteriores: C = 91.70711313
El costo mnimo es de $91 707 113.13

UNA DESMOSTRACION CON EL PROGRAMA:

Para un funcin:
1. Primero damos una funcin base
2. Damos una variable(n).....

3. Damos una variable (a).....

4. Damos una variable(b).

5. Vemos el grafico realmente como va cambiando

=,-^n.+
Manipulate[Plot[=,-^.,{,5,6}],{{,2},1,7,1}
n

3 5
3 0
2 5
2 0
1 5
1 0
5

Manipulate[Plot[=,-^.,{,5,6}],{{,2},1,7,1,Appearnase"Labeled"}]
n

3 5
3 0
2 5
2 0
1 5
1 0
5

Manipulate[Plot[=,-.,{,5,6}],{{,2},1,7,1,Appearnase"Labeled"},{{,3},
20,20,0.5,Appearnase"Labeled"}]
n
a

6 0 0

4 0 0

2 0 0

2 0 0

Manipulate[Plot[=,-.+,{,5,6},PlotRange{{4,5},{30,40}}],
{{,2},1,7,1,Appearnase"Labeled"},{{,3},20,20,0.5,Appearnase"Labeled"},{{,3},
10,10,0.5,Appearnase"Labeled"}]

n
a
b

4 0
3 0
2 0
1 0

1 0

2 0

3 0

Manipulate[Plot[=,()-.+,{,5,6},PlotRange{{4,5},
{30,40}},PlotLabelRow[{Style{"y",Italic},"=",,()-.+}]],
{{,2},1,7,1,Appearnase"Labeled"},{{,3},20,20,0.5,Appearnase"Labeled"},{{,3},
10,10,0.5,Appearnase"Labeled"},{{,1},10,10,1,Appearnase"Labeled"}]
n
a
b

S t y le y , I t a lic S t y le 0 .5
4 0

x 1

2 .5

3 0
2 0

1 0

1 0

2 0

3 0

BIBLIOGRAFIA
https://www.youtube.com/watch?v=xKgaAV28QAA
https://www. Aplicaciones de mximos y mnimos .com
https://www.problemasde derivacion.com