“OPTIMIZACIÓN POR METODOS

DETERMINISTICOS ”

M.Sc. Luis Antonio Velázquez Herrera

 Continuidad de funciones
En términos de llevar a cabo una optimización analítica o
numérica, es preferible y conveniente trabajar con funciones
continuas con una o mas variables que con funciones discontinuas.
Las funciones que tienen derivadas continuas también son
preferibles.
 Las propiedades de continuidad se definen como sigue. Una
función de una sola variable x es continua si en un punto x 0 si:

f  x0  existe
lim f  x  existe
x 0

lim f  x   f  x0 
x 0
 En la siguiente Figura se muestra dos casos

Continua, pero
discontinua en
Discontinua
su primer
derivada
Ejemplo de análisis de continuidad
Solución en Matlab
Solución en Matlab
 Definición de cóncavo y convexo
El concepto de convexidad es ampliamente utilizado en la teoría y
aplicaciones de optimización

Función convexa
El concepto de función convexa lo podemos ver en la Figura que se presenta
en la siguiente diapositiva. En donde se puede observar que si f(x) es positivo
una función es convexa por otra parte si –f(x) es una función cóncava
 Eigenvalores
Estrictamente positivos
F(x) positivo
convexa (mínimo)

Eigenvalores
Estrictamente -F(x) negativo negativos
cóncava
(máximo)

Eigenvalores
Convexo F(x) positivo positivos
(mínimo )
Nota: en sistemas lineales no existen funciones estrictamente
convexas y cóncavas
Determinación de convexidad y concavidad
Se dice que el conjunto de puntos en “x” que satisfacen la relación:

x H ( x) x  1
T

Es convexo si la matriz Hessian H(x) es una matriz positiva semidefinida.

H(x) es otro símbolo para denotar:
La matriz Hessian la cual representa la matriz de segundas derivadas parciales
de f(x) con respecto a xi

Resumen de convexo y cóncavo con base en la matriz Hessian

Tarea/homework/домашнее задание