A.

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 en el dominio de la función en su totalidad (extremo
global o absoluto).1 2 3 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

Extremos relativos o locales

Sea , sea y sea un punto

perteneciente a la función.

Se dice que es un máximo local de si existe un entorno reducido de centro , en

símbolos , donde para todo elemento de se cumple . Para
que esta propiedad posea sentido estricto debe cumplirse .

Análogamente se dice que el punto es un mínimo local de si existe un entorno reducido de

centro , en símbolos , donde para todo elemento de se
cumple

EXTREMOS ADSOLUTOS

Sea , sea y sea un punto

perteneciente a la función.

Se dice que P es un máximo absoluto de f si, para todo x distinto de pertenenciente

al subconjunto A, su imagen es menor o igual que la de . Esto es:
 máximo absoluto de .

Análogamente, P es un mínimo absoluto de f si, para todo x distinto de perteneciente

al subconjunto A, su imagen es mayor o igual que la de . Esto es:

mínimo absoluto de

CÁLCULO DE EXTREMOS LOCALES

Dada una función suficientemente diferenciable , definida en un

intervalo abierto de , el procedimiento para hallar los extremos de esta función es muy sencillo:

1. Se halla la primera derivada de

2. Se halla la segunda derivada de

3. Se iguala la primera derivada a 0:
4. Se despeja la variable independiente y se obtienen todos los valores posibles de la
misma: .
5. Se halla la imagen de cada sustituyendo la variable independiente en la función.
6. Ahora, en la segunda derivada, se sustituye cada :
1. Si , se tiene un máximo en el punto .
2. Si , se tiene un mínimo en el punto .
3. Si , debemos sustituir en las sucesivas derivadas hasta sea
distinto de cero. Cuando se halle la derivada para la que no sea nulo, hay que
ver qué derivada es:
1. Si el orden de la derivada es par, se trata de un extremo local; un máximo
si y un mínimo si
2. Si el orden de la derivada es impar, se trata de un punto de inflexión, pero
no de un extremo

B. Criterios de las Segundas Derivadas Parciales

El teorema afirma a la hora de buscar los exramos raletivos de basta

examinar sus valores en los puntos críticos .por iguales que sucedia con las
funcionesde una variable . los punto críticos no siempre son extremos relativos
 . algunos puntos críticos no son ni maximos ni minimos relativos sin puntos
silla
Un ejemplode puntocrítico que no es extremorelativo lo proporciona la
superficie

C. Multiplicadores de Lagrange

En los problemas de optimización, el método de los multiplicadores de Lagrange, llamados así en

honor a Joseph Louis Lagrange, es un procedimiento para encontrar los máximos y mínimos de
funciones de múltiples variables sujetas a restricciones. Este método reduce el problema
restringido con n variables a uno sin restricciones de n + k variables, donde k es igual al número de
restricciones, y cuyas ecuaciones pueden ser resueltas más fácilmente. Estas nuevas variables
escalares desconocidas, una para cada restricción, son llamadas multiplicadores de Lagrange. El
método dice que los puntos donde la función tiene un extremo condicionado con k restricciones,
están entre los puntos estacionarios de una nueva función sin restricciones construida como
una combinación lineal de la función y las funciones implicadas en las restricciones, cuyos
coeficientes son los multíplicadores
La demostración usa derivadas parciales y la regla de la cadena para funciones de varias
variables. Se trata de extraer una función implícita de las restricciones, y encontrar las condiciones
para que las derivadas parciales con respecto a las variables independientes de la función sean
iguales a cero.

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.

Geométricamente traducimos la condición de tangencia diciendo que los gradientes

de f y g son vectores paralelos en el máximo. Introduciendo un nuevo escalar, λ,
resolvemos

[f(x, y) - λ (g(x, y) − c)] = 0

para λ ≠ 0.

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.

de forma tradicional. Eso es, para todo (x, y)

satisfaciendo la condición porque es igual a cero en la restricción,
pero los ceros de F(x, y) están todos en .

EL MÉTODO DE LOS MULTIPLICADORES DE LAGRANGE

 Sea f (x) una función definida en un conjunto abierto n-dimensional {x ∈ Rn}. Se
definen s restricciones gk (x) = 0, k=1,..., s, y se observa (si las restricciones son
satisfechas) que:

Se procede a buscar un extremo para h

lo que es equivalente a

D. Matriz hessiana

En Matemática, la matriz hessiana o hessiano de una función f de n variables, es la matriz

cuadrada de n × n, de las segundas derivadas parciales

Dada una función real f de n variables reales:

Si todas las segundas derivadas parciales de f existen, se define la matriz

hessiana de f como: , donde
 .
tomando la siguiente forma

Además, se tiene que si : con A un conjunto abierto

y f clase , entonces la matriz hessiana está bien definida, y en virtud del teorema
de Clairaut (ó teorema de Schwarz), es una matriz simétrica.

Esta matriz debe su nombre al matemático alemán Ludwig Otto Hesse y fue
introducido por James Joseph Sylvester.

Aplicación de la matriz hessiana

Concavidad/Convexidad

Sea un conjunto abierto y una función con segundas derivadas

continuas:

1. es cóncava si y solo si, , la matriz hessiana es semidefinida

negativa.
2. Si la matriz hessiana es definida negativa, entonces
es estrictamente cóncava.
 Si es una función cóncava, entonces cualquier punto en que todas las derivadas
parciales son cero, es un máximo local.
3. es convexa si y solo si, , la matriz hessiana es semidefinida positiva.
4. Si la matriz hessiana es definida positiva, entonces f es estrictamente
convexa.
 Si es una función convexa, entonces cualquier punto en que todas las derivadas
parciales son cero, es un mínimo local.
Método para determinar el carácter de los puntos críticos

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

Matriz hessiana orlada

La matriz hessiana orlada es una variante de la matriz hessiana utilizada en problemas de
optimización restringida. El determinante de sus principales menores se utiliza como criterio
para determinar si un punto crítico de una función es un mínimo, máximo, punto silla o no
determinado (extremos condicionados).1

Aplicación bilineal hessiana

El concepto de matriz hessiana puede generalizarse a espacios de dimensión infinita,
concretamente a aplicaciones definidas sobre espacios vectoriales normados. Si una
aplicación (o funcional) está definida es diferenciable en el sentido de Fréchet y su diferencial
jacobiana también es diferenciable en el sentido de Fréchet puede definirse una forma bilineal
continua (y por tanto acotada) sobre el espacio normado que generaliza la matriz hessiana.

Se dice que una aplicación entre espacios vectoriales normados

es diferenciable si existe una aplicación lineal continua tal que:
 En ese caso se escribe:

Puede probarse que es a su vez otro espacio vectorial normado conla norma:

La segunda derivadas cuando existe es:

La forma bilineal hessiana viene dada por:

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