República Bolivariana de Venezuela

Ministerio del Poder Popular Para la Defensa

Universidad Nacional Experimental Politécnica De La Fuerza Armada
Puerto Cabello; EDO-Carabobo

Investigación
Optimización
no lineal
Profesor: Alumno:
Ingridines Gamarra Aida Ortega 27.102.373
Optimización no lineal 6to semestre

MAYO, 2021
Extremos de una función
En matemáticas, los máximos y mínimos de una función, conocidos colectivamente como
extremos de una función, son los valores más grandes (máximos) o más pequeños
(mínimos), que toma una función en un punto situado ya sea dentro de una región en
particular de la curva (extremo local o relativo) o en el dominio de la función en su
totalidad (extremo global o absoluto). De manera más general, los máximos y mínimos de
un conjunto (como se define en teoría de conjuntos) son los elementos mayor y menor en el
conjunto, cuando existen. El localizar valores extremos es el objetivo básico de la
optimización matemática.

Máximo local

Primero necesitamos elegir un intervalo.

Entonces podemos decir que un máximo local es el punto donde:

La altura de la función en "a" es mayor que (o igual a) la altura en cualquier otro lugar en
ese intervalo.

O, más brevemente:

f(a) ≥ f(x) para todo x en el intervalo

En otras palabras, no hay una altura mayor que f(a).

Nota: f(a) debe estar dentro del intervalo, no en un extremo ni en el otro.

Máximo global
Es el único mayor valor que la función puede alcanzar. Si estás en la cima de una montaña,
es un máximo local, pero a menos que la montaña sea el Monte Everest, no es un pico
máximo global.
Solo hay un máximo global pero puede haber más de un máximo local.

Funciones
Función creciente

Definición: f es creciente en   

Gráfica de funciones crecientes:

Propiedad:
Las pendientes de las rectas tangentes a la gráfica de una función creciente son siempre
positivas.

En otras palabras, la derivada de una función creciente es positiva.

Más aún:

Proposición:  f  creciente en       

Función decreciente

Definición: f es decreciente en   

Gráfica de funciones decrecientes:

Propiedad:
Las pendientes de las rectas tangentes a la gráfica de una función decreciente son siempre
negativas. En otras palabras, la derivada de una función decreciente es negativa.

Más aún:

Proposición: f  decreciente en           

Función diferenciable
ƒ diferenciable en  ⇔ existe en   un único hiperplano tangente que
aproxima el valor de la función alrededor de este punto.

Ver caso n = 1

Proposición:
f   tiene derivadas parciales continuas en   ⇒  f   diferenciable en    ⇒ f  continua en  .

Ejemplo:

Se obtienen las siguientes funciones como derivadas parciales:

y puesto que    son continuas en  , podemos asegurar que la función  f  es

diferenciable en  .
Función exponencial

La función exponencial es una función real de variable real definida como

donde  a se llama base de la función exponencial.

Frecuentemente, la base de la función exponencial es el número irracional   e  cuyo valor

es e = 2,718282…

Entonces, la representación gráfica de la función   es:

Función lineal

Definición: Es una función del tipo

Una función lineal es un polinomio de 1º grado con n variables.

Propiedad:
Una función lineal es cóncava y convexa.

Función objetivo

Definición:
Es la función que se pretende minimizar o maximizar en un programa matemático.

Ejemplo:

La función objetivo es 

Hessiana de una función

Definición:
Sea ƒ: ℜn→ℜ
Se llama matriz hessiana de ƒ y se escribe Hƒ a la matriz formada por las derivadas
parciales segundas de ƒ

Por ejemplo, para ƒ: ℜ3→ℜ

donde ƒxz  indica la derivada respecto de z de la derivada parcial respecto de  x

La matriz hessiana de ƒ calculada en un punto es una matriz numérica.

La matriz hessiana de ƒ resulta ser una matriz simétrica (Teorema de Schwarz)

Teorema de Taylor
El teorema de Taylor fue creado por el matemático Brook Taylor en el año 1712, aunque
antes que él el matemático James Gregory lo había descubierto en el año 1671.
Por medio de este teorema se pueden tener aproximaciones polinómicas en función a cierto
entorno y de un punto en el que la función sea diferenciable.
Asimismo, por medio de este teorema se puede acortar el error obtenido por medio de una
estimación.
El teorema de Taylor es un resultado del cálculo diferencial y se utilizara para demostrar
que cualquier función puede aproximarse con procesión arbitraria usando una suma de
potencias infinita.
Si la vemos de una forma más rigurosa, y teniendo en cuenta solo un caso de números
reales por simplicidad, podría enunciarse de la siguiente manera:

Sea f : R → R una función real y diferenciable hasta orden N. Sea x0∈R un punto arbitrario
en el dominio de f en el que se tiene el valor de la función y de las derivadas hasta
orden N . De esta forma podemos decir que el valor de la función para un punto x
determinado en su dominio se puede aproximar utilizando el siguiente polinomio:
En donde se tiene una aproximación exacta en el limite N infinito.

Podemos utilizar la siguiente imagen para poder ver un ejemplo de lo que nos dice el
teorema:

Como podemos ver en la imagen anterior, la curva negra es la curva real que se quiere
aproximar, siendo esta la curva f(x0), que es el primer término que se tiene en la serie.

Al ver la imagen se puede ver cerca del punto x0=0.9 y es evidente que cerca del punto esta
constante termina dando el valor de f(x).

La línea verde que podemos ver es el segundo nivel de aproximación que podemos ver en
el ejemplo, la cual se aproxima a la función como una línea recta, quedando muy claro que
el dominio en el que la función se aproxima aumenta en comparación al naranja, sin
embargo, sigue siendo muy limitado alrededor del punto de x0=0.9.

La curva amarilla es el tercer nivel de aproximación, la cual podemos ver que se aproxima
la curva como una parábola. Aquí también podemos ver que la aproximación es realmente
mejor, ya que esta solo falla en los extremos de la curva real.
Por otro lado, vemos que el cuarto nivel de aproximación es un polinomio que está indicado
por el color azul. Como se puede ver en el ejemplo, se trata de una curva perfecta y se
encuentra debajo de la curva negra. En este nivel si se aumenta el dominio veremos que
también falla, tal y como se puede ver en la imagen.
Aunque lo cierto es que el problema se podría resolver aumentando el orden de expansión.

Función cóncava.

   D conjunto convexo

Definición intuitiva:
Una función es cóncava si y sólo si al unir dos puntos cualesquiera de la gráfica de la
función, el segmento que los une queda por debajo (o coincide) con la gráfica.

Ejemplos:

En el ejemplo a) la función se llama estrictamente cóncava porque el segmento queda

siempre estrictamente por debajo de la gráfica.

En el ejemplo b) la función es cóncava pero no estrictamente, porque si se toman dos

puntos sobre la zona roja de la gráfica, el segmento coincide con ella.

Definición:

 cóncava 
  estrictamente cóncava 

Caracterización:

ƒ cóncava ⇔ Hƒ(x) semidefinida negativa   

ƒ estrictamente cóncava ⇐ Hƒ(x) definida negativa 

ƒ estrictamente cóncava ⇒ Hƒ(x) semidefinida negativa 

Ejemplos:

1.

Consideramos su matriz hessiana:

Observamos que es definida negativa  .

Por tanto, deducimos que   es estrictamente cóncava.

Propiedades:

1. convexa   cóncava

2.   convexa

3. Una función lineal es cóncava y convexa simultáneamente.

4.  convexas     convexa

Función convexa.

       D  conjunto convexo

Definición intuitiva:
Una función es convexa si y sólo si al unir dos puntos cualesquiera de la gráfica de la
función, el segmento que los une queda por encima (o coincide) con la gráfica.

Ejemplos:

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

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

Definición:

 convexa 

estrictamente convexa 

Caracterización:

ƒ convexa ⇔ Hƒ(x) semidefinida positiva 

ƒ  estrictamente convexa ⇐ Hƒ(x)  definida positiva 

ƒ  estrictamente convexa ⇒ Hƒ(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    cóncava

2.  

3. Una función lineal es cóncava y convexa simultáneamente.

4.  convexas     convexa