Académique Documents
Professionnel Documents
Culture Documents
EXTREMOS ADSOLUTOS
mínimo absoluto de
C. Multiplicadores de Lagrange
INTRODUCCÍON
Consideremos un caso bidimensional. Supongamos que tenemos la función, f (x, y), y queremos
maximizarla, estando sujeta a la condición:
donde c es una constante. Podemos visualizar las curvas de nivel de f dadas por
para varios valores de dn, y el contorno de g dado por g(x, y) = c. Supongamos que
hablamos de la curva de nivel donde g = c. Entonces, en general, las curvas de nivel
de fy g serán distintas, y la curva g = c por lo general intersecará y cruzará muchos
contornos de f. En general, moviéndose a través de la línea g=c podemos incrementar o
disminuir el valor de f. Sólo cuando g=c (el contorno que estamos siguiendo) toca
tangencialmente (no corta) una curva de nivel de f, no se incrementa o disminuye el valor
de f. Esto ocurre en el extremo local restringido y en los puntos de inflexión restringidos
de f.
Un ejemplo familiar puede ser obtenido de los mapas climatológicos, con sus curvas de
nivel de presión y temperatura (isóbaras e isotermas respectivamente): el extremo
restringido ocurrirá donde los mapas superpuestos muestren curvas que se tocan.
Una vez determinados los valores de λ, volvemos al número original de variables y así
continuamos encontrando el extremo de la nueva ecuación no restringida.
lo que es equivalente a
D. Matriz hessiana
Esta matriz debe su nombre al matemático alemán Ludwig Otto Hesse y fue
introducido por James Joseph Sylvester.
Concavidad/Convexidad
Se verá a continuación cómo hallar los puntos críticos (máximos, mínimos y puntos de inflexión -o
silla o de ensilladura) de una función f de múltiples variables.
1. Se igualan las derivadas parciales primeras a cero.
2. Se resuelven las ecuaciones anteriores y se obtienen las coordenadas de los puntos
críticos.
3. Se construye la matriz hessiana (derivadas segundas parciales).
4. Se sustituyen los puntos críticos en la matriz hessiana para obtener tantas matrices como
puntos críticos tengamos.
5. Dependiendo del tipo de matriz resultante de evaluar la matriz Hessiana en los diferentes
puntos críticos, estos puntos se pueden evaluar mediante el criterio de Sylvester:
Si todos los menores principales son mayores que 0, o sea, |Hi|>0 ∀i=1,...,n ƒ alcanza
el mínimo relativo en el punto.
Si los menores principales de índice par son mayores que 0 y los de índice impar son
menores que 0, o sea, |Himpar|<0 y |Hpar|>0 ∀i=1,...,n ƒ alcanza el máximo relativo en el
punto.
Si los menores principales son distintos de 0, es decir, |Hi|≠0 ∀i=1,...,n y no es ninguno
de los casos anteriores, es un punto de silla.
Cuando algún |Hi|=0 no se puede determinar nada, por lo que hace un estudio particular.
Para n=2. el criterio se mejora en el sentido de que si |H1|=0 y |H2|<0 ƒ tiene un punto de
silla en el punto.
Generalizaciones
Puede probarse que es a su vez otro espacio vectorial normado conla norma:
http://s3.amazonaws.com/lcp/profemmanuel/myfiles/Larson_Cap12-Extremos-func-dos-
vables_2.pdf
http://es.wikipedia.org/wiki/Criterio_de_la_tercera_derivada
http://es.wikipedia.org/wiki/Criterio_de_la_primera_derivada
http://es.wikipedia.org/wiki/Criterio_de_la_segunda_derivada
http://cb.mty.itesm.mx/materias/ma4011/materiales/a130-15.pdf
http://caminos.udc.es/info/asignaturas/obras_publicas/103/pdfs/0910_T_XII_3_pres_imp.pdf