Matemática III (ADM)

Derivadas Parciales
Aplicación: recta de mínimos cuadrados
Optimización con restricción de igualdad
Aplicaciones

Semana 5
 Matemática III (ADM)

Derivadas Parciales
Aplicación: recta de mínimos
cuadrados
Optimización con restricción de igualdad
Aplicaciones
En nuestra vida profesional lo que se nos a presentar, con
frecuencia, es como partiendo de un conjunto de datos,
consistente en un conjunto de n puntos que muestran los
valores de las variables a estudiar:
(x1,y1) , (x2,y2) , (x3,y3) , (x4,y4)……(xn,yn)
podamos determinar una función y = f(x) que se “ajuste”
razonablemente bien a los datos.
Lo primero que tenemos que hacer es graficar estos puntos:
(x1,y1) , (x2,y2) , (x3,y3) , (x4,y4)……(xn,yn), en un sistema de
coordenadas cartesianas. A este gráfico se le llama diagrama
de dispersión.
 Aproximadamente lineal Aproximadamente exponencial

Con el diagrama de dispersión ya es posible trazar una curva

que se aproxime a los datos graficados. A dicha curva se le
llama “curva de aproximación”.
El problema que realmente se presenta es el de buscar la
ecuación de la curva de aproximación que mejor se ajuste al
conjunto de datos, a esto se le llama curva de ajuste.
El método de los mínimos cuadrados nos permitirá obtener
la curva que se ajusta, con el menor error posible, al
conjunto de datos (x,y). Utilizaremos el cálculo diferencial
en dos variables para minimizar la suma de los cuadrados de
las distancias verticales de los datos a la curva.
Una vez encontrada la ecuación de la recta es importante
recalcar el carácter predictivo del método.
Sean: (x1,y1) , (x2,y2) , (x3,y3) , (x4,y4) …… (xn,yn), los datos
Digamos que: yrecta = mxi + b es la ecuación de esa recta

(x4,y4)
d4
(x1,y1)
d3
d1
d2 (x3,y3)
(x2,y2)
X

Definimos la desviación o error (di) a la diferencia vertical

entre el valor real (dato) y el valor ajustado (sobre la recta):
di = (mxi + b) − yi
La suma de los cuadrados de los errores será:
S(m, b) = d12 + d22 + d32 + d42 + ... + dn2

S(m, b) = (mx1+b−y1)² + (mx2+b−y2)² + (mx3+b−y3)2 + …+

(mxn+b−yn)²

Que es una función en las variables m y b; luego, S será

mínima resolviendo el sistema de ecuaciones formado por las
primeras derivadas parciales respecto a m y b.
 S
=0
m
S
=0
b

Derivando S con respecto a “m”:

S
= 0 = 2(mx1+b−y1)x1 + 2(mx2+b−y2)x2 +
m
+ 2(mx3+b−y3)x3 + ... + 2(mxn+b−yn)xn

0 = (mx1+b−y1)x1 + (mx2+b−y2)x2 + (mx3+b−y3)x3 +... + (mxn+b−yn)xn

Derivando S con respecto a “b”:
S
= 0 = 2(mx1+b−y1) + 2(mx2+b−y2) + 2(mx3+b−y3)+...+ +
b
2(mxn+b−yn)

0 = (mx1+b−y1) + (mx2+b−y2) + (mx3+b−y3) +...+ (mxn+b−yn)

1 2 4

1 3 3

m(1) + b m(2) + b m(4) + b

= m +b = 2m + b = 4m + b

m +b − 1 2m + b − 3 4m + b − 3
Luego, el sistema será:
a) Por lo tanto la ecuación de la recta que mejor se ajusta a
los datos será:
 −4 −2 2 4
5 6 6 2

a) Determine la función suma de los cuadrados de las distancias

verticales.
b) Optimice la función determinada en a) y determine la ecuación
cuadrática de mínimos cuadrados.
a)

b)
 Matemática III (ADM)

Derivadas Parciales
Aplicación: recta de mínimos cuadrados
Optimización con restricción de
igualdad
Aplicaciones
En muchas aplicaciones reales la función a optimizar, sea
costo, ingreso o utilidad, se encuentra sujeta a una
restricción o condición de sus variables.

Sea:  (x, y ) = b la curva de restricción.

Se define la llamada función de Lagrange:

 (x, y,  ) = f (x, y ) +  ( b −  (x, y ))

Donde  es una constante indeterminada llamada

“multiplicador de Lagrange”
Las condiciones necesarias para que exista un extremo
relativo se reducen a resolver el sistema:

  f 
 x = x −  x = 0

  f 
 = − =0
 y y y
 
 = b −  ( x, y ) = 0
 
Criterio de las Segundas Derivadas Parciales
(2das D.P.) para la comprobación de la existencia de los valores
extremos de la función:
el Hessiano Orlado

~
El Hessiano Orlado: H

0 x y
~
H = x  xx  xy
 y  xy  yy
Criterio a evaluar:

Si:
~
i) H ( a ,b )
 0   Vmáx restringido = f (a, b)

~
ii ) H ( a ,b )
 0   Vmín restringido = f (a, b)
Ejemplo 1
Ejemplo 2

24
 Es punto de
máximo
restringido

Es punto de
mínimo
restringido

Completar con los otros dos puntos críticos.

 Matemática III (ADM)

Derivadas Parciales
Aplicación: recta de mínimos cuadrados
Optimización con restricción de igualdad
Aplicaciones
28
Se comprueba
máximo
restringido y la
utilidad máxima es
19200 solares.
30
Ejemplo 3
Una compañía planea gastar 11 000 dólares en publicidad.
Un minuto de publicidad en televisión cuesta 3 000 dólares
y un minuto de publicidad en radio 1 000 dólares. Si la
empresa compra x minutos de comerciales en la televisión e
y minutos de comerciales en la radio, su ingreso, en miles
de dólares, estará dado por la expresión:
I ( x, y) = −2 x 2 − y 2 + xy + 16 x + 3 y
Determine:
a) La cantidad que debería asignarse a ambos medios con
objeto de maximizar su ingreso.
b) Compruebe su resultado.
c) ¿Cuál será el ingreso máximo?
33
a)
b)

c)
 Se comprueba coto mínimo.

El costo mínimo es de 500 u.m.