Clase 8 Nociones Básicas de Convexidad
|
|
- Lourdes Río Ruiz
- hace 7 años
- Vistas:
Transcripción
1 Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 8 Nociones Básicas de Convexidad ICS 1102 Optimización Profesor : Claudio Seebach Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 91 Función Cuasi-Convexa Definición 6 (Función cuasi-convexa) Si D es una parte convexa de R n, una función f : D R se dice cuasi-convexa sobre D si: f(z) max{f(x), f(y)} x, y D, x y, z ]x, y[. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 92
2 Funciones Convexas Las funciones convexas presentan favorables propiedades al optimizar. Por ejemplo, un punto mínimo local es siempre mínimo global. Sin embargo no necesariamente este óptimo será único. Por ejemplo la función f(x) en la figura tiene varias soluciones óptimas. "#$% "#$%#&"'()'*"+%,-"#)*'./&-01* Así, surge la necesidad de definir las funciones estrictamente convexas. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 93 Funciones Estrictamente Convexas Definición 7 (Función estrictamente convexa) Sea f(x) : D R, con D convexo. Entonces, f(x) es estrictamente convexa sobre D si: f((1 λ)x 1 + λx 2 )) < (1 λ)f(x 1 ) + λf(x 2 ) x 1, x 2 D, λ [0, 1]. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 94
3 Casos Especiales "#$% "#$% $ $ & $ ' "# $# (a) : Toda función lineal f(x) = ax + b es cóncava y convexa a la vez, pero ni estrictamente cóncava ni estrictamente convexa. (b) : La función localmente cerca de x 1 es cóncava y localmente cerca de x 2 es convexa. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 95 Criterios prácticos de convexidad de funciones Sea f(x) = f(x 1, x 2,..., x n ) continua y dos veces diferenciable. Su matriz Hessiana será: H = x 2 1 x 2 x 1 x 1 x 2... x x n x 1 Esta matriz es simétrica. por qué? x 1 x n x 2 n Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 96
4 Caracterización de la matriz Hessiana Matrices menores de una matriz: Los determinantes de las matrices menores se denominan i. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 97 Caracterización de la matriz Hessiana Definición 8 Caracterización de la matriz Hessiana 1. Si i > 0 i H es definida positiva. Para cualquier vector d en R n se cumple que ( d) T H d > Si i 0 i H es semidefinida positiva. Para cualquier vector d en R n se cumple que ( d) T H d Si i < 0 i impar y i > 0 i par. (i.e. 1 < 0, 2 > 0, 3 < 0,...,) H es definida negativa. Para cualquier vector d en R n se cumple que d T Hd < Si i 0 i impar y i 0 i par. (i.e. 1 0, 2 0, 3 0,...,) H es semidefinida negativa. Para cualquier vector d en R n se cumple que d T Hd 0. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 98
5 Caracterización de una Función Convexa Definición 9 Sea f( x) dos veces diferenciable sobre D, con D R n y convexo. Entonces f( x) es convexa sobre D si y solo si D 2 f(x) = H es semidefinida positiva x D. Equivalentemente: d T D 2 f(x)d 0, d R n, x D. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 99 Caracterización de una función convexa Ejemplo: Sea f(x 1, x 2 ) = 2x 1 3x 2 + x x 1 x 2 + x 2 2. Las derivadas parciales son: y las segundas derivadas serían: x 2 = 12x De esta forma, la matriz Hessiana es: f x 1 = 2 + 4x x 2 f x 2 = 3 + x 1 + 2x 2 x 1 x 2 = 1 H = [ ] 12x x 2 x 1 = 1 x 2 = 2. 2 Los determinantes menores son 1 = 12x 2 1, no negativo para todo punto del dominio, y 2 = 24x Pero, 2 0? Sólo si x , es decir, si x Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 100
6 Caracterización de una función convexa " f(x) es convexa sobre todo dominio convexo construido en la región achurada: " # " # "# " f(x) no es convexa sobre toda la región achurada, ya que esta región no es convexa. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 101 Caracterización de una función convexa Proposición 9 Si D es una parte convexa de R n y D 2 f(x) es definida positiva, es decir, d T D 2 f(x)d > 0, d R n, d 0, entonces f(x) es estrictamente convexa sobre D. Importante, la relación es causal: Si el Hessiano es definido positivo la función es estrictamente convexa Si la función es estrictamente convexa el Hessiano es definido positivo Ejemplo: f(x) = x 4 es estrictamente convexa, D 2 f(x) = 12x 2 no es definida positiva en x = 0. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 102
7 Ejercicios resueltos Considere el siguiente problema de optimización: P ) min x 2 + y 2 + z (x + y + z) s.a x + 2y + 4z 4000 x, y, z 0 Función objetivo cuadrática, estrictamente convexa. Su matriz Hessiana: D 2 f(x, y, z) = = H H es definida positiva f(x, y, z) es estrictamente convexa. D es un dominio acotado, cerrado y no vacío P ) admite solución óptima. D es convexo y f( ) es estrictamente convexa P ) admite solución óptima única. Apuntes de Clases Optimización Claudio Seebach Introducción al Modelamiento 103
Tema 4 Funciones convexas y optimización convexa
Tema 4 Funciones convexas y optimización convexa José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 4 Repaso de algunos resultados sobre optimización de funciones.
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesCAPÍTULO 2 PROGRAMACIÓN NO LINEAL. Programación No Lineal
CAPÍTULO 2 PROGRAMACIÓN NO LINEAL Programación No Lineal Capítulo 2: Programación No Lineal mín (ó máx)f(x) s.a. x S R n No existe un método que permita resolver cualquier problema de programación no lineal.
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesFUNDAMENTOS DE CONVEXIDAD (Parte 2)
19 de Mayo de 2016 FUNDAMENTOS DE CONVEXIDAD (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación No Lineal José Luis Quintero 1 Puntos
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) y = ex cos y. e x cos y e x sin y. y 2.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES HOJA 4: Derivadas de orden superior 4-1. Sea u : R R definida por u(x, y e x sen y. Calcula las cuatro parciales segundas,
Más detallesECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso ) Cuarto Curso de Ingeniero Industrial
ECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso 2009-2010) Cuarto Curso de Ingeniero Industrial Optimización y Sistemas de Ecuaciones no Lineales FUNCIONES CONVEXAS. CRITERIOS DE OPTIMALIDAD Un problema
Más detallesMÉTODOS MATEMÁTICOS DE LA ECONOMÍA
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Economía Aplicada Subsección de Matemáticas Esquemas teóricos de la asignatura de las licenciaturas en Economía
Más detallesAnálisis convexo, cálculo diferencial y aplicaciones
Análisis convexo, cálculo diferencial y aplicaciones Juan PEYPOUQUET Universidad Técnica Federico Santa María V-Escuela 2016 Valparaíso, 11 al 21 de octubre FUNCIONES CONVEXAS Funciones convexas Una función
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesAnálisis de Sensibilidad de los Resultados
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 22 Análisis de Sensibilidad de los Resultados ICS 02 Optimización Profesor : Claudio Seebach
Más detalles2. Cálculo diferencial de funciones de varias variables. Mayo, 2009
Cálculo 2. Cálculo diferencial de funciones de varias variables Mayo, 2009 Definición IR 2 = {(x 1,x 2 )/x 1 IR,x 2 IR} Sean dos puntos a y b, de coordenadas respectivas (a 1,a 2 ) y (b 1,b 2 ). Definición
Más detallesCAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.
April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x
Más detallesConjuntos y funciones convexas
Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +
Más detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesTecnología Maximización del beneficio. Teoría de la Firma. Alvaro J. Riascos Villegas Universidad de los Andes. Septiembre 2 de 2014
Tecnología Maximización del beneficio Teoría de la Firma Alvaro J. Riascos Villegas Universidad de los Andes Septiembre 2 de 2014 Universidad de los Andes Teoría de la Firma Contenido Tecnología Maximización
Más detallesEL PROBLEMA GENERAL DE OPTIMIZACION
EL PROBLEMA GENERAL DE OPTIMIZACION Terminología Tipos de soluciones Resultados teóricos sobre existencia y unicidad de soluciones Método gráfico de resolución Problemas de optimización Este tipo de problemas
Más detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 12 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor, que vimos en el capítulo anterior, es el estudio de los extremos relativos de una función escalar. Aunque la analogía
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detalles(x x 0 ) y 0. O bien z z 0 = x 0. y notamos a este límite ᾱ (t 0 ) = dᾱ dt (t 0).
O bien z z 0 = x 0 z 0 (x x 0 ) y 0 z 0 (y y 0 ). Para obtener la ecuación cartesiana de este plano hacemos x 0 (x x 0 )+y 0 (y y 0 )+z 0 (z z 0 ) = 0, como x 0 + y0 + z0 = x 0 + y0 + r (x 0 + y0) = r
Más detallesIntroducción a la Teoría de la Información
Introducción a la Teoría de la Información Conceptos Básicos. Facultad de Ingeniería, UdelaR (Facultad de Ingeniería, UdelaR) Teoría de la Información 1 / 32 Agenda 1 Definiciones y Propiedades Básicas
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesProgramación Dinámica
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 30 Programación Dinámica ICS 1102 Optimización Profesor : Claudio Seebach 20 de noviembre
Más detallesUniversidad Nacional Autónoma de México Licenciatura en Economía Cálculo Diferencial e Integral Funciones de una Variable Real
1 Universidad Nacional Autónoma de México Licenciatura en Economía Cálculo Diferencial e Integral Funciones de una Variable Real No sé cómo puedo ser visto por el mundo, pero en mi opinión, me he comportado
Más detallesAUTÓNOMA DE MADRID. Dpto. Análisis Económico: Economía Cuantitativa UNIVERSIDAD. Soluciones de los ejercicios de Álgebra Lineal.
Soluciones de los ejercicios de Álgebra Lineal Curso 016/017 Versión 4-1-017 Índice general 1. Espacios vectoriales 1.1. Cuestiones test................................. 1.. Problemas.....................................
Más detalles2. El Teorema del Valor Medio
2.24 45 2. El Teorema del Valor Medio Comenzaremos esta sección recordando dos versiones del teorema del valor medido para funciones de 1-variable y por tanto ya conocidas: 2.22 Sea f : [a, b] R R una
Más detallesQuímica Cuántica I Formas cuadráticas
Formas cuadráticas/jesús Hernández Trujillo p. 1/16 Química Cuántica I Formas cuadráticas Prof. Jesús Hernández Trujillo Facultad de Química, UNAM Formas cuadráticas/jesús Hernández Trujillo p. 2/16 Ecuación
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 8-7 Formas cuadráticas SEMANA 4: FORMAS CUADRÁTICAS 7 Formas cuadráticas y matrices definidas positivas
Más detalles(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO VECTORIAL EXTREMOS DE FUNCIONES ESCALARES DE VARIABLE VECTORIAL
(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO VECTORIAL EXTREMOS DE FUNCIONES ESCALARES DE VARIABLE VECTORIAL En numerosas aplicaciones de la ingeniería se presentan problemas de optimización,
Más detallesMétodo lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es.
Método lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es Entonces, Λ = Y0 J 1 = f g f Λ g = 0 Esta ecuación satisface las condiciones necesarias
Más detallesANÁLISIS I MATEMÁTICA 1 ANÁLISIS II (Computación) Práctica 5 - Verano 2009
ANÁLISIS I MATEMÁTICA ANÁLISIS II (Computación) Práctica 5 - Verano 2009 Derivadas parciales de orden superior - Polinomio de Taylor - Convexidad y Extremos Derivadas de orden superior. Calcular las derivadas
Más detallesPráctica 5: Derivadas parciales de orden superior - Polinomio de Taylor - Convexidad y Extremos
Análisis I Matemática I Análisis II (C) Cuat II - 2009 Práctica 5: Derivadas parciales de orden superior - Polinomio de Taylor - Convexidad y Extremos Derivadas de orden superior 1. Calcular las derivadas
Más detallesFundamentos de Optimización
Capítulo 1 Fundamentos de Optimización 1.1 Conceptos básicos La teoría de optimización clásica o programación matemática está constituida por un conjunto de resultados y métodos analíticos y numéricos
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesFUNCIONES CONVEXAS. El concepto de convexidad es fundamental en el análisis y resolución de los problemas de optimización.
FUNCIONES CONVEXAS El concepto de conveidad es fundamental en el análisis y resolución de los problemas de optimización. FUNCIONES CONVEXAS Y CÓNCAVAS. Sea S R n, un conjunto conveo y no vacío, y sea f:
Más detallesMultiplicadores de Lagrange y dualidad
Multiplicadores de Lagrange y dualidad Problemas con solo restricciones de igualdad Sea x* un mínimo local y regular ( : son linealmente independientes), entonces existen tales que: Interpretación y ejemplos.
Más detallesTema 1 Introducción. José R. Berrendero. Departamento de Matemáticas Universidad Autónoma de Madrid
Tema 1 Introducción José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Información de contacto José Ramón Berrendero Díaz Correo electrónico: joser.berrendero@uam.es Teléfono:
Más detallesDualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización
Contenidos Motivación y Representación de Poliedros IN3701, Optimización 22 de abril de 2009 Contenidos Motivación y Representación de Poliedros Contenidos 1 Motivación 2 y Representación de Poliedros
Más detallesOPTIMIZACION PARA ESTUDIANTES DE INGENIERIA 1. Jorge Amaya A.
OPTIMIZACION PARA ESTUDIANTES DE INGENIERIA Jorge Amaya A. 9 de mayo de 3 Departamento de Ingeniería Matemática y Centro de Modelamiento Matemático Universidad de Chile Mayo de 3 Texto preliminar, destinado
Más detallesPrácticas de Matemáticas II: Álgebra lineal
Prácticas de Matemáticas II: Álgebra lineal Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Prácticas de Matemáticas II: Álgebra lineal
Más detallesNotas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
Más detallesUniversidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker
. En los siguientes problemas de optimización: Universidad del Rosario Economía Matemática - 202-II Taller 8 - Kuhn Tucker a. Dibuje el conjunto K de puntos factibles y las curvas de nivel de la función
Más detallesFunciones convexas no diferenciables
DIVISIÓN DE CIENCIAS BÁSICAS E INGENIERÍA Funciones convexas no diferenciables Tesis que presenta Rafael Alejandro Nava Manzo Para obtener el grado de Maestro en Ciencias (Matemáticas Aplicadas e Industriales)
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesEstudio local de las funciones derivables
Estudio local de las funciones derivables Crecimiento y decrecimiento Definición: Una función f es creciente en un punto x si y sólo si existe un entorno de ese punto, tal que los puntos de ese entorno
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 013 Capítulo 1 Año 011 1.1. Modelo 011 - Opción A Problema 1.1.1 (3 puntos) Dado el sistema: λx
Más detalles2 OBJETIVOS TERMINALES. Como resultado del proceso de aprendizaje activo del curso, el estudiante estará en capacidad de:
MATERIA: Matemáticas para Economía CÓDIGO: 08307 REQUISITOS: Cálculo integral (08301), Teoría de Probabilidades (08131) PROGRAMAS: Economía y Negocios Internacionales, Economía con énfasis en Políticas
Más detallesPRÁCTICAS DE ECUACIONES FUNCIONALES
PRÁCTICAS DE ECUACIONES FUNCIONALES Departamento de Análisis Matemático Curso 2001/2002 Profesores responsables Jesús Garcia Falset Julian Toledo Melero Práctica 1 ESPACIOS MÉTRICOS............................
Más detallesAlgunos conceptos que utilizaremos en lo sucesivo son: Sistema de restricciones lineales: conjunto de todas las restricciones.
A partir del planteamiento del problema de Programación Lineal expresado en su formulación estándar, vamos a estudiar las principales definiciones y resultados que soportan el aspecto teórico del procedimiento
Más detallesTeorema de los extremos absolutos (del supremo y el ínfimo), de Weiestrass.
CALCULO DIFERENCIAL TEMA 1 : PROPIEDADES DE LAS FUNCIONES CONTINUAS Teorema del signo. Sea f:[a,b] >R una función continua en (a,b) entonces si f(x0)"0, existe un entorno E(x0,) en que f tiene el mismo
Más detallesLección 26: Extremos relativos condicionados: Multiplicadores de Lagrange. Introducción al Cálculo Infinitesimal I.T.I. Gestión
Lección 6: Extremos relativos condicionados: Multiplicadores de Lagrange Introducción al Cálculo Infinitesimal I.T.I. Gestión Ligaduras y extremos condicionados f : R n R función de varias variables Buscaremos
Más detallesFunciones definidas positivas a valores complejos: ejemplos y teoremas de representación
Funciones definidas positivas a valores complejos: ejemplos y teoremas de representación Alejandra Patricia Aguilera Escuela de Matemática, Facultad de Ciencias UCV Seminario de Análisis Motivación Sea
Más detallesOptimización estática
Capítulo 5 Optimización estática 5.1. Conceptos básicos La teoría de optimización clásica o programación matemática está constituida por un conjunto de resultados y métodos analíticos y numéricos enfocados
Más detallesCONVEXIFICACIÓN DE FUNCIONES ESTRICTAMENTE MONÓTONAS. Received, Jul. 12, Accepted, Oct. 27, 2016.
CONVEXIFICACIÓN DE FUNCIONES ESTRICTAMENTE MONÓTONAS CONVEXIFICATION OF STRICTLY MONOTONE FUNCTIONS JENNY ROJAS JERÓNIMO AND JHON ANGULO VITERI Received, Jul 2, 206 Accepted, Oct 27, 206 Resumen En este
Más detallesel blog de mate de aida CS II: Representación de funciones y optimización.
Pág.1 CRECIMIENTO Y DECRECIMIENTO. En la figura se observa la recta tangente a una función creciente. La recta tangente es siempre creciente también para cualquier punto, por lo que su pendiente será positiva
Más detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 7 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor es el estudio de los extremos relativos de una función escalar. Aunque la analogía con el caso de una variable es total,
Más detallesCRECIMIENTO Y DECRECIMIENTO. MÁXIMOS Y MÍNIMOS.
pág.1 CRECIMIENTO Y DECRECIMIENTO. MÁXIMOS Y MÍNIMOS. En la figura se observa la recta tangente a una función creciente. La recta tangente es siempre creciente también para cualquier punto, por lo que
Más detallesTema 2 Conjuntos convexos
Tema 2 Conjuntos convexos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 2 Conjuntos convexos. Propiedades básicas y ejemplos. Cierre e interior de un
Más detallesREVISTA INVESTIGACIÓN OPERACIONAL Vol. 26, No. 3, 2005
REVISTA INVESTIGACIÓN OPERACIONAL Vol. 26, No. 3, 2005 DUALIDAD GAP EN PROGRAMACIÓN CONVEXA Amalia Blanco Louro, Carmen S. Lema Fernández y Luis P. Pedreira Andrade 1 Departamento de Economía Aplicada
Más detallesINTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
Más detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
Más detallesa de un conjunto S de R n si
1 235 Máximos, mínimos y puntos de ensilladura Definición.- Se dice que una función real f( x) tiene un máximo absoluto en un punto a de un conjunto S de R n si f( x) f( a) (2) para todo x S. El número
Más detallesJosé Francisco Tudón Maldonado Mario Roberto Urbina Núñez. Funciones de Mérito en Ecuaciones No Lineales. i=1 n. = r i (x) i=1
Funciones de mérito José Francisco Tudón Maldonado Mario Roberto Urbina Núñez 9 de abril de 011 1 Introducción Las funciones de mérito surgen para determinar en un algoritmo que resuelve un problema de
Más detalles1.3.1 Fundamentos de cálculo vectorial
131 Fundamentos de cálculo vectorial 1 Función escalar Una función se define como una representación escalar que está dada en términos de un vector Un ejemplo analítico puede darse por la función f(x)
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 3 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesClase 5: Multiplicadores de Lagrange
OPT Clase 5: Multiplicadores de Lagrange 1 Clase 5: Multiplicadores de Lagrange Ignacio Ramírez 29 de agosto de 2016 1. Introducción Consideremos un problema con restricciones, en principio de igualdad,
Más detallesTEORIA MATEMATICAS 5 PRIMER PARCIAL
Def: Grafica de una función TEORIA MATEMATICAS 5 PRIMER PARCIAL Sea:. Definimos la grafica de f como el subconjunto de formado por los puntos, de en los que es un punto de U. Simbólicamente grafica es:
Más detallesLA FUNCIÓN f VISTA A TRAVÉS DE f Y f.
ANÁLISIS MATEMÁTICO BÁSICO. LA FUNCIÓN f VISTA A TRAVÉS DE f Y f. Dada una función f : R R derivable, podemos considerar su función derivada f : R R. Esta función a su vez puede ser derivable, y tendremos
Más detallesBreve sobre Kuhn-Tucker
Breve sobre Kuhn-Tucker Alejandro Lugon 20 de agosto de 2010 Resumen Se presentan a manera de manual de referencia los resultados relevantes para la solución de problemas de maximización usando los resultados
Más detallesOptimización. Optimización Con Restricciones de Igualdad ITESM. Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31. Dr.
Optimización Optimización Con Restricciones de Igualdad Dr. E Uresti ITESM Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31 ducción En esta lectura veremos el problema de optimizar
Más detallesFunciones de una variable real II Fórmula de Taylor y aplicaciones
Universidad de Murcia Departamento Matemáticas Funciones de una variable real II Fórmula de Taylor y aplicaciones B. Cascales J. M. Mira L. Oncina Departamento de Matemáticas Universidad de Murcia Grado
Más detallesFormas cuadráticas. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Formas cuadráticas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita n. 1 Formas bilineales
Más detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesPROGRAMA DE CURSO UNIDADES TEMÁTICAS. Cálculo en varias variables. Unidades Docentes Cátedra Auxiliares Trabajo Personal
PROGRAMA DE CURSO Código MA1003 Nombre del Curso Cálculo en varias variables Unidades Docentes Cátedra Auxiliares Trabajo Personal 10 3 2 5 Requisitos Requisitos específicos Carácter del curso MA1002,
Más detallesMatemáticas. Álgebra lineal (parte final ampliada)
Master en Estadística e Investigación Operativa Matemáticas Álgebra lineal (parte final ampliada) Vera Sacristán Departament de Matemàtica Aplicada II Facultat de Matemàtiques i Estadística Universitat
Más detallesPreparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es
Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n
Más detalles= f (a) R. f(x) f(a) x a. recta por (a, f(a)) de pendiente f(a+h2) f(a) recta tangente por (a, f(a)) de pendiente f (a)
1 1. DERIVACIÓN 1.1. DEFINICIONES Y RESULTADOS PRINCIPALES Definición 1.1. Derivada. Sea f una función definida en un intervalo abierto I con a I. Decimos que f es derivable en a si existe y es real el
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detallesDiferenciciación en R n : Derivadas de orden superior
Diferenciciación en R n : Derivadas de orden superior R. Álvarez-Nodarse Universidad de Sevilla Supongamos que f : A R n R m, A es un abierto de R n tiene f (x) derivadas parciales D i f = en A, i = 1,...,
Más detallesGuía de asignatura. Información general. Cálculo II. Asignatura. Código. Tipo de asignatura Obligatoria X Electiva. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Código Cálculo II 73210017 Tipo de asignatura Obligatoria X Electiva Tipo de saber Básico X Obligatoria profesional
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesESTUDIO LOCAL DE UNA FUNCIÓN
ESTUDIO LOCAL DE UNA FUNCIÓN CRECIMIENTO. DECRECIMIENTO. MÁXIMOS Y MINIMOS. Sea Sea DEF.- f es creciente en a E(a) / { ( ) ( ) ( ) ( ) E(a) De la misma forma se define función decreciente. ***TEOREMA.
Más detalles(3 p.) 3) Se considera la superficie z = z(x, y) definida implícitamente por la ecuación. 3x 2 z x 2 y 2 + 2z 3 3yz = 15.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 2012/2013 21 de junio de 2013 4 p.) 1) Se considera la función fx) = x 4 e 1 x 2. a) Calcular los intervalos de
Más detallesUNIDAD Nº3. Introducción a los métodos matemáticos de optimización
UNIDAD Nº3 Introducción a los métodos matemáticos de optimización La eperimentación es una función vital en nuestra búsqueda de progreso, aunque el objetivo es a menudo, el descubrimiento de nuevos principios
Más detallesProgramación Lineal. El modelo Matemático
Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)
Más detallesMatemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados
Matemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados Motivación Supongamos que f : Ω R 2 R es la función que nos proporciona la altura de cada punto con respecto al nivel
Más detallesCeros de Funciones: Multivariable
Ceros de Funciones: Multivariable Prof. Marlliny Monsalve 1 1 Postgrado en Ciencias de la Computación Universidad Central de Venezuela Análisis Numérico May 19, 2015 Prof. Monsalve (UCV) Ceros Multivariable
Más detallesPrincipio minimax para los valores propios de matrices hermitianas
Principio minimax para los valores propios de matrices hermitianas El propósito de estos apuntes (escritos por Egor Maximenko, Rogelio Rocha Hernández, Eliseo Sarmiento Rosales y Zacarías Sánchez Francisco
Más detallesUNIDAD TEMÁTICA XIII
FUNCIONES DE UNA SOLA VARIABLE UNIDAD TEMÁTICA XIII XIII.1 INTRODUCCIÓN Las funciones de una variable son las más simples dentro del análisis funcional, y mediante ellas se puede describir muchos problemas
Más detallesJ.P. Vilaplana, 0. Herrero. Dpto. de Matemática Aplicada Universidad del Pais Vasco S U M M A R Y
Pub. Mat. UAB N 22 Nov. 1980 Actes VII JMHL SOBRE FUNCIONES CONVEXAS, CASI-CONVEXAS Y PSEUDO-CONVEXAS J.P. Vilaplana, 0. Herrero Dpto. de Matemática Aplicada Universidad del Pais Vasco S U M M A R Y 1
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 201 Capítulo 4 Año 200 4.1. Modelo 200 - Opción A Problema 4.1.1 2 puntos Determinar los valores
Más detallesFundamentos matemáticos. Tema 6 Aplicaciones de la derivada
Fundamentos matemáticos Grado en Ingeniería agrícola y del medio rural Tema 6 Aplicaciones de la derivada José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es
Más detallesSemana 2 [1/24] Derivadas. August 16, Derivadas
Semana 2 [1/24] August 16, 2007 Máximos y mínimos: la regla de Fermat Semana 2 [2/24] Máximos y mínimos locales Mínimo local x es un mínimo local de la función f si existe ε > 0 tal que f( x) f(x) x (
Más detallesCÁLCULO. Ejercicio 1. Modelo Se considera la función real de variable real 4
Ejercicio. Modelo.04 4 si x 0 { x + si x > 0 x + a. Determínense las asíntotas de la función y los puntos de corte con los ejes.. b. Calcúlese f(x)dx Ejercicio. Modelo.04 La figura representa la gráfica
Más detallesEXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que
EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I DEBE CONTESTAR ÚNICAMENTE A 4 DE LOS SIGUIENTES 5 EJERCICIOS 1. (.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que Sea
Más detallesTema 8: Aplicaciones de la derivada
Tema 8: Aplicaciones de la derivada 1. Introducción En la unidad anterior hemos establecido el concepto de derivada de una función en un punto de su dominio y la hemos interpretado geométricamente como
Más detallesPrimer conocimiento con transformaciones lineales
Primer conocimiento con transformaciones lineales Autores: scar García Hernández, Román Higuera García y Egor Maximenko La materia Álgebra II que empezamos a estudiar se podría llamar Álgebra Lineal, nivel
Más detallesApuntes Matemáticas 2º de bachillerato. Tema 5. Estudio de funciones
Apuntes Tema 5 Estudio de funciones 5.1 Dominio Hay que determinar para qué intervalos de números reales, o puntos aislados, la función existe o está definida. Para ello tenemos que prestar atención a
Más detalles