CONVEXIFICACIÓN DE FUNCIONES ESTRICTAMENTE MONÓTONAS. Received, Jul. 12, Accepted, Oct. 27, 2016.
|
|
- Eugenia Valenzuela de la Fuente
- hace 6 años
- Vistas:
Transcripción
1 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 artículo presentamos la teoría que nos garantiza la convexificación de una función estrictamente monótona Se demuestra un teorema y dos corolarios para la convexificación de funciones estrictamente monótonas dos veces continuamente diferenciables, luego se generaliza estos resultados para la convexificación de funciones estrictamente monótonas no diferenciables Ambos casos son eemplificados Estos resultados se usan en optimización de funciones monotonas no diferenciables Palabras claves Convexificación, monotonicidad funciones no diferenciables Abstract This paper presents the theory that guarantees the convexification of a strictly monotone function We proves a theorem and two corollaries for convexification of strictly monotones functions twice continuously differentiable, then the generalization of these results is presented for convexification of nondifferentiable strictly monotones functions Both cases are exemplars This results are using in optimization nonsmooth Keywords Convexification, monotonicity, nonsmooth functions Introducción En lo referente a problemas de optimización global una clase importante de estos problemas es la que estudia la optimización de funciones monotonas que aparecen en varias aplicaciones como puede verse en [7] y [8] Generalmente las funciones de los problemas de optimización monótona son no convexas por lo tanto diseñar algoritmos que los resuelvan eficientemente resulta todo un reto Una forma de resolver estos problemas consiste en la formulación de un problema equivalente pero convexo y aprovechar asi las propiedades de optimalidad que proporciona la convexidad de las funciones El método de convexificación, mediante ciertas transformaciones, convierte un problema de optimización monótona en un problema de minimización cóncavo [6] el cual puede resolverse eficientemente usando métodos desarrollados para minimización cóncava Los conceptos de funciones convexas de rango transformable y las funciones convexas de dominio transformable, fueron introducidos por [6] y [0] Entre los primeros trabaos sobre convexificación de problemas no convexos a problemas convexos se tiene el trabao de Sun etall [9] En particular la programación geométrica y la programación fraccional son dos clases de problemas de optimización no-convexa, que se pueden convexificar En el presente trabao presentamos resultados que permiten convexificar funciones de optimización estrictamente monotonas dos veces continuamente diferenciables y de funciones estrictamente Departamento de Matemáticas, Universidad Nacional de Truillo, Av Juan Pablo II s/n, Ciudad Universitaria, Truillo-Perú roas@unitruedupe) Departamento de Matemáticas, Universidad Nacional de Truillo, Av Juan Pablo II s/n, Ciudad Universitaria, Truillo-Perú angulo@unitruedupe) c 206 all rights reserved 7
2 8 J Roas, et al - Selecciones Matemáticas 32) ) monótonas no diferenciables, demostrando un teorema y dos corolarios para cada caso con sus respectivos eemplos Monotonicidad y convexidad Definición Una función f : R n R es creciente decreciente) en D R n con respecto a x i si fx, x 2,, x i, x i, x i+,, x n ) )fx, x 2,, x i, x 2 i, x i+,, x n ) para x i x2 i, donde x i, x2 i D i = {x i : x, x 2,, x i, x i, x i+,, x n ) D} Una función f : R n R es estrictamente creciente estrictamente decreciente) en D R n con respecto a x i si fx, x 2,, x i, x i, x i+,, x n ) < >)fx, x 2,, x i, x 2 i, x i+,, x n ) para x i < x2 i, donde x i, x2 i D i = {x i : x, x 2,, x i, x i, x i+,, x n ) D} Definición 2 Una función f : D R n R es creciente decreciente) si para cualquier x, y D con x i < y i para i =, 2,, n, se cumple fx) )fy) Una función fx) es estrictamente creciente estrictamente decreciente)si para cualquier x, y D con x i < y i para i =, 2,, n y x y se cumple fx) < >)fy) Definición 3 f : D R n R es una función monótona en D R n si y sólo si f es creciente o decreciente Definición 4 Sea C R n, es un conunto convexo si y sólo si para cualquier x, x 2 λ [0, ], se cumple C y λ)x + λx 2 C Es decir, el segmento de recta que une x y x 2 está en C eemplo Probar que C = {x R n : Ax = b, A n n, b n } es un conunto convexo En efecto: Sea y, y 2 C y λ [0, ], entonces y Ay = b Ay 2 = b, ) 2) λ)ay = λ)b λay 2 = λb Sumando,) y,2) λ)ay + λay 2 = λ)b + λb A[ λ)y + λy 2 ] = b Como λ)y + λy 2 C, entonces C es un conunto convexo Definición 5 Sea f : C R, donde C es un conunto convexo no vacío en R n f es una función convexa en C si y sólo si fλx + λ)x 2 ) λfx ) + λ)fx 2 ), x, x 2 C y λ [0, ] La función f es llamada estrictamente convexa si fλx + λ)x 2 ) < λfx ) + λ)fx 2 ), x, x 2 C y λ [0, ] Teorema Sea S un conunto convexo no vacío en R n, y sea f : S R una función dos veces diferenciable en S Entonces f es convexa si y sólo si la matriz hessiana es semidefinida positiva para cada punto en S
3 2 Análisis no diferenciable J Roas, et al - Selecciones Matemáticas 32) ) 9 Definición 6 Sea Y un subconunto de R n Una función f : Y R satisface la condición de Lipschitz si existe una constante k no negativa tal que fx) fy) k x y x, y Y Definición 7 Sea f : R n R una función Lipschitz continua en x R n y d un vector en R n La derivada direccional generalizada de f en x en la dirección d, se define f x; d) = lím sup y x t 0 donde y es un vector en R n y t es un escalar positivo fy + td) fy) t A f x; d) también se conoce como derivada generalizada de Clarke Definición 8 Sea f : R n R una función Lipschitz continua en x R n La subdiferencial o gradiente de Clarke de f en x es el conunto fx) de vectores ξ R n tal que fx) = {ξ R n : f x; d) ξ T d, d R n } Teorema 2 Sea f : R n R una función Lipschitz continua en x R n Entonces f x; d) = máx{ξ T d : ξ fx)} d R n Definición 9 La subdiferencial de una función convexa f : R n R en x R n es el conunto c fx) de vectores ξ R n tal que c fx) = {ξ R n : fy) fx) + ξ T y x), y R n } Cada vector ξ c fx) es llamado subgradiente de f en x Teorema 3 Sea f : R n R una función convexa Entonces la derivada direccional clásica, f x, d), existe en toda dirección d R n y x R n f x, d) = max{ξ T d : ξ c fx)}, d R n c fx) = {ξ R n : f x, d) ξ T d, d R n } Teorema 4 La subdiferencial para funciones Lipschitz continua es una generalización de la subdiferencial para funciones convexas Entonces, si f : R n R es una función convexa, se cumple que f x, d) = f x; d) para todo d R n, y c fx) = fx) Teorema 5 La subdiferencial para funciones Lipschitz continua es una generalización de la derivada clásica Entonces, si f : R n R es una función Lipschitz continua y diferenciable en x R n, se cumple que fx) fx) Además, si f : R n R es continuamente diferenciable en x R n, entonce fx) = { fx)} Definición 0 Una función f es regular en x si la derivada direccional f x ; d) existe para todo d R n y f x ; d) = f x ; d) para todo d R n, donde f x ; d) es la derivada direccional de Clarke Teorema 6 Sea la función g : Y R n R, definida como g = fh), donde h : Y R n y f : R n R Si f es una función regular en x = hy), y Y, y h una función continuamente diferenciable, entonces g es una función regular Definición Suponer que {x k } R n converge a x R n con x k x para cada k La sucesión {x k } es convergente a x en la dirección u si existe {t k } satisfaciendo: t k > 0 y t k 0 para k, tal que { xk x t k } u y
4 20 J Roas, et al - Selecciones Matemáticas 32) ) Se observa que {x k } converge a x en la dirección u si y sólo si { xk x x k x } u u Definición 2 Sea u R n Entonces se define u fx ) como el conunto de vectores v tal que, para cada uno de ellos, existen sucesiones {x k } y {v k } con {x k } que converge a x en la dirección u, {v k } que converge a v y v k pertenece a fx k ) para cada k Luego, u fx ) fx ) Definición 3 Sea v u fx ) La derivada direccional inferior de segundo orden de f en x y v en la dirección u, f x, v, u) se define como lím ínfv k v ) T x k x )/, tomado sobre las sucesiones {x k }, {v k }, {t k } para los cuales i) t k > 0 para cada k y {x k } converge a x ii) { xk x ) t k } converge a u iii) {v k } converge a v con v k fx k ) para cada k Definición 4 Una función f es semisuave en x si la sucesión {v k ) T u} converge siempre que {x k } converge a x en la dirección u y v k fx k ) para cada k Teorema 7 Sea la función g : Y R n R, definida como g = fh), donde h : Y R n y f : R n R Si f es una función semisuave en x = hy), y Y, y h una función continuamente diferenciable, entonces g es una función semisuave Lema Suponer que f es semisuave y regular en un conunto abierto convexo W Suponer también que f x, v, u) 0 para cada tripleta x, v, u) con x W, u R n, y v u fx ) Entonces, f es convexa en W 2 Material y Métodos 2 Obeto de estudio a) Funciones estrictamente monótonas b) Convexificación de funciones estrictamente monótonas dos veces continuamente diferenciables c) Convexificación de funciones estrictamente monótonas no diferenciables 22 Instrumentos de recolección de datos Sea f una función definida en: 2) X = n [l, L ] = [l, L ] [l 2, L 2 ] [l n, L n ] = con 0 l L para cada La función f es llamada función estrictamente monótona si es una función estrictamente monótona para cada x Sea h : y, y 2,, y n ) h y ), h 2 y 2 ),, h n y n )) una función biyectiva y sea la siguiente transformación de variable de la función f, 22) gy) = fhy)), donde el dominio de g es 23) Y = 23 Métodos y técnicas n Y = = n h [l, L ]) =
5 J Roas, et al - Selecciones Matemáticas 32) ) 2 23 Convexificación de funciones estrictamente monótonas dos veces continuamente diferenciables Sea f una función dos veces continuamente diferenciable y S n = {d R n : d = }, se define σ = min{d T 2 fx)d : x X, d S n } { } f η = min : x X, =, 2,, n x Teorema 8 Sea f una función dos veces continuamente diferenciable y estrictamente creciente en X con η > 0 y h, =, 2,, n funciones dos veces continuamente diferenciable y estrictamente monótona que satisfacen la siguiente condición 24) y ) [h y )] 2 σ η, y Y, =, 2,, n, entonces gy) = fhy)) es una función convexa en Y Demostración Debido a que f y h son funciones dos veces continuamente diferenciable, entonces g es una función dos veces continuamente diferenciable, por lo que será suficiente probar que la matriz hessiana de g es semidefinida positiva en Y Para cualquier y Y, sea x = hy), entonces x X, luego: 25) 26) g = h y y ) f, =, 2,, n x yi 2 = i y i ) f + h x iy i )) 2 2 f, i =, 2,, n i x 2 i = h y i y iy i )h y ), i,, i =, 2,, n x i x Luego la matriz hessiana, Hy), de g es Hy) = 2 gy) = y y y) y 2 y y) y 3 y y) y n y y) y y 2 y) y 2 y 2 y) y 3 y 2 y) y n y 2 y) y y 3 y) y 2 y 3 y) y y n y) y 2 y n y) y 3 y n y) y 3 y 3 y) y n y 3 y) y n y n y) Sea h i = h i y i), i = h i y i), f = f x i x), x i = 2 f x 2 i x 2 i x), x i x = 2 f x i x x), i, =, 2,, n
6 22 J Roas, et al - Selecciones Matemáticas 32) ) Reemplazando 25)y 26) en Hy) f x + h ) 2 2 f h x h 2 2 x x 2 h h n 2 f x x n h 2h x 2 x 2 f x 2 + h 2) 2 2 f h x 2h 2 n 2 f 2 x 2 x n h nh x n x h nh 2 x n x 2 n f x n + h n) 2 2 f x 2 n [ ] h h f h )2 x + 2 f h x 2 h x x 2 h 2 h [ ] h 2 = x 2 x h h h 2 f 2 h 2 )2 x f h x 2 2 h 2 2 [ h n 2 f x n x h h n 2 f x n x 2 h 2 h h n f n h n )2 x n h f 0 0 h )2 x + 2 f x 2 0 h x x f x = 2 x h 2 )2 x f x h n x n x 2 Sea x n x h h 2 0 Ay) = 0 0 h n Cx) = = f h )2 x + 2 f x 2 2 f x 2 x h 2 )2 x 2 x n x x 2 x 2 x x n x = 2 fx) + Bx)), x x f x 2 2 x n x 2 x x 2 2 f x x n 2 f x 2 2 x 2 x n + x n x 2 x 2 n x x n x 2 x n n h n )2 f x n f h )2 x x n h n x 2 x n h n x x n x 2 x n n h n )2 f x n + 2 f x 2 n ] + 2 f x 2 n + 2 f x 2 n h n x 0 0 h 0 2 f h 2 )2 x h h h n n h n )2 f x n donde 2 fx) = Bx) = x 2 x 2 x x n x f h )2 x x 2 x 2 2 x n x 2 x x n x 2 x n x 2 n, x 0 0 h 0 2 f h 2 )2 x n h n )2 f x n En consecuencia Hy) = Ay) 2 fx) + Bx))Ay) Ahora para todo d S n d T Hy)d = d T Ay)Cx)Ax)d
7 J Roas, et al - Selecciones Matemáticas 32) ) 23 Es claro que Ay)Cx)Ay) es una matriz semidefinida positiva si y sólo si Cx) es una matriz semidefinida positiva Por la definición de σ y η, se tiene d T 2 fx)d σ d S n, y para cualquier d S n, f x η > 0 x [l, L ], d T Cx)d = d T 2 fx) + Bx))d = d T 2 fx)d + d T Bx)d fx) σ + y ) x [h y )] 2 d2 σ + = η σ η = σ σ d = σ σ = 0, )) n = d 2 es decir, d T Cx)d 0 Luego Cx) es una matriz semidefinida positiva Entonces Hy) = 2 gy) es una matriz semidefinida positiva Por lo tanto g es una función convexa Similarmente, una función estrictamente decreciente se puede convertir a una función convexa a través de trasformaciones de variables satisfaciendo y ) [h y )] 2 σ η, y Y, =, 2,, n Hay funciones especificas que satisfacen la condición 24), en particular, considerar las siguientes dos funciones 27) h y ) = p ln ), p > 0, =, 2,, n y 28) h y ) = y p, p > 0, =, 2,, n Corolario Sea f una función que satisface las condiciones del teorema anterior, con h y ) = p ln ), p > 0, =, 2,, n, y entonces [ existe una ] constante p 0 tal que gy) = fhy)) es una función convexa en Y = cuando p p e pl ), e pl ) Demostración Será suficiente probar que se cumple 24), notar que ) h y ) = p y y ) ) = p y y 2 y = ) p y y ) )
8 24 J Roas, et al - Selecciones Matemáticas 32) ) [ Ya que y < 0 para y y ) = p = p = p e pl ), e pl ) y ) [h y )] 2 = ) y y )) y 2y ) 2 ) y ) + y ) y 2y ) 2 2y y 2 y ) 2 ], se tiene ) 2y p y 2y )2 p y y ) ) )) 2 = p2 2y )y y )) 2 py 2 y ) 2 = p 2y ) > p Para que la condición 24) se cumpla, se debe satisfacer que p p = max { 0, σ η } Por lo tanto g es una función convexa en Y cuando p p De forma similar se enuncia el siguiente corolario usando la función 2 6) Corolario 2 Sea f una función que satisface las condiciones del teorema anterior, con h y ) = y p, p > 0, =, 2,, n entonces existe un p 2 0 tal que gy) = fhy)) es una función convexa en Y = n cuando p p 2 Demostración Será suficiente probar que se cumple 24), notar que Ahora para todo y [ L p h y ) = ) p y p y ) = =, l p ], se tiene p p y ) h y )) 2 = ) p ) y 2) p ) ) p + p y p 2) ) ) p + ) p y p = + p)y p y 2) p ) 2 = [L p, l p ] pues, + p) L L p y l p L y p l
9 J Roas, et al - Selecciones Matemáticas 32) ) 25 entonces, y p L = L Sea L = max n L, luego + p) L σ η + p) σ η L p σ η L } Por lo tanto la condición 24) se cumple cuando p p 2 = max {0, ση L Para ilustrar la convexificación de una función estrictamente monótona se considera el siguiente eemplo eemplo 2 Sea la función fx) = 3 x 2)3 + x, x X = [, 3] Usando los corolarios ) y 2), hallar los valores de p para garantizar la convexificación de f En efecto La función f es no convexa, pues f x) = x 2) 2 + f x) = 2x 2), al evaluar para x =, se tiene que f x) = 2 Entonces fx) es una función no convexa Notar que f x) = x 2) 2 +, x [, 3] f x) = 2x 2) 2, x [, 3] Usando la función definida en 27) y el corolario ), hallar { p = max 0, σ } η { p = max 0, 2 } = 2,
10 26 J Roas, et al - Selecciones Matemáticas 32) ) entonces para cualquier p p = 2 garantiza la convexidad de g Usando la función definida en 28) y el corolario 2), hallar p 2 = max {0, ση } L { p 2 = max 0, 2) } 3 = 5, entonces para cuaquier p p 2 = 5 se garantiza la convexidad de g Por lo tanto en esta sección se probó que se puede convexificar una función dos veces continuamente diferenciable estrictamente creciente, en la siguiente sección se ampliará los resultados de convexificación para funciones no suaves Especificamente se probará que funciones estrictamente monótonas semisuaves y regulares pueden ser convertidas en funciones convexas 232 Convexificación de funciones monótonas no diferenciables Se considera a X y Y definidos como en 2) y 23) respectivamente y g como 22) Sea W un conunto abierto convexo tal que Y W
11 J Roas, et al - Selecciones Matemáticas 32) ) 27 Teorema 9 Asumir que i) f es una función semisuave y regular en un conunto abierto convexo que contiene a X ii) f es una función estrictamente creciente en X y 29) ínf mín i=,,n = {ξ i : ξ = ξ, ξ 2,, ξ n ) T fx), x X} ɛ > 0 20) ρ = ínf{f x, v, w) : x X, w =, v w fx)} > iii) h i C 2 W ), 2) i =, 2,, n son funciones estrictamente monótonas convexas que satisfacen i y i) [h i y i)] 2 σ, y W, i =, 2,, n, ɛ donde σ = ρ Entonces g es una función convexa en cualquier subconunto convexo de Y Demostración ) Asumir que ρ 0 Tenemos por i) que f es una función semisuave y regular en un conunto abierto convexo contenido en X Por la condición ii) ρ = ínf{f x, v, w) : x X, w =, v w fx)}} f x, v, w), entonces f x, v, w) ρ 0, consecuentemente f x, v, w) 0 Ahora por lema ) concluimos que f es una función convexa ) Sin pérdida de generalidad, asumir que σ = ρ > 0, es decir, ρ < 0 Para y Y, sea x = hy), entonces x X Como f es una función semisuave en x = hy) y h es una función continuamente diferenciable, por teorema 7) se tiene que gy) = fhy)) es semisuave en Y También como f es una función regular en x = hy) y h una función continuamente diferenciable, entonces por teorema 6) se tiene que gy) = fhy)) es regular en Y Luego g es una función semisuave y regular, por lo que será suficiente probar que g y, v, d) 0 para cualquier y Y, d R n y v d gy ) En efecto: dado cualquier y Y, d R n, d 0 y v d gy ), suponer que {y k }, {v k } y {t k } son sucesiones tales que t k > 0, k 2 {y k } converge a y 3 { yk y t k } converge a d 4 {v k } converge a v, con v k gy k ), para cada k Sea x = hy ) X y x k = hy k ) para cada k, entonces {x k } x, cuando k, pues h es uno a uno Si h i C 2 W ), existe θ k, θ k 2,, θ k n 0, ) tal que 22) h i y k i ) h i y i ) = h iy i + θ k i y k i y i ))y k i y i ) Consecuentemente 23) x k x = hy k ) hy ) = hη k )y k y ) donde η k = η k, η2 k,, ηn), k ηi k = y i + θk i yk i y i ), i =, 2,, n También, se tiene que por lo que el acobiano de h en η k es h iy ) = 0, i, hη k ) = diagh η k ), h 2η k 2 ),, h nη k n))
12 28 J Roas, et al - Selecciones Matemáticas 32) ) Dividiendo ambos lados de 23) entre t k y tomando límite cuando k, se obtiene 24) x k x lím = lím k t k k hηk ) yk y ) t k = hy )d, sea u = hy )d Entonces por la definición ), {x k } converge a x en la dirección u Por la regla de la cadena de la derivada generalizada del gradiente de Clarke, se cumple que gy) { hy)ξ : ξ fhy))}, y Y Ya que v k gy k ), entonces existe ξ k fx k ) tal que 25) v k = hy k )ξ k Por la condición iii) del teorema, h i es una función estrictamente monótona para cada i, entonces, h i y i) 0 para todo i Luego y por tanto {ξ k } converge, sea ξ k = hy k ) v k, lím k ξk = lím k hyk ) v k = hy ) lím k vk = hy ) v, ξ = lím k ξk, por la cerradura de fx), ξ fx ), además, ξ u fx ) y 26) v = hy )ξ Usando 25) y 26), se tiene por lo tanto, v k v ) T y k y ) = hy k )ξ k hy )ξ ) T y k y ) = hy k )ξ k hy k )ξ + hy k )ξ hy )ξ ) T y k y ) = [ hy k )ξ k hy k )ξ ) T + hy k )ξ hy )ξ ) T ]y k y ) = hy k )ξ k hy k )ξ ) T y k y ) + hy k )ξ hy )ξ ) T y k y ) = ξ k ξ ) T hy k )y k y ) + ξ ) T hy k ) hy ))y k y ), 27) v k v ) T y k y ) = ξ k ξ ) T hy k )y k y ) + ξ ) T hy k ) hy ))y k y ) Como h i C 2 W ), se tiene 28) x i x k i = h i y i ) h i y k i ) = h iy k i )y i y k i ) + 2 h i ζ k i )y i y k i ) 2, 29) h iy k i ) h iy i ) = i δ k i )y k i y i ), donde ζ k i = yk i + αk i y i yk i ), 0 < αk i <,
13 J Roas, et al - Selecciones Matemáticas 32) ) 29 δi k = y i + βk i yk i y i ), 0 < βk i También <, i =, 2,, n 220) hy k ) = diagh y k ), h 2y k 2 ),, h n y k n)), 22) hy ) = diagh y ), h 2y 2),, h n y n)) Por lo tanto, la ecuación 27) puede ser reescrita usando 22), 28), 29), 220) y 22) como así v k v )y k y ) = [ ξ k ξ) ξn k ξn) ] diagh y k ), h 2y2 k ),, h n yn)) k [ y k y) yn k yn) ] + [ ] ξ ξn diagh y k ) h y),, h nyn) k h n yn)) [ y k y) yn k yn) ] = [ξ k ξ )h y k )y k y ) + ξ k 2 ξ 2)h 2y k 2 )y k 2 y 2) + + ξ k n ξ n)h ny k n)y k n y n)] + [ξ h y k ) h y ))y k y ) + + ξ nh ny k n) h ny n))y k n y n)] = [ξ k ξ )h y k ) h y )) ξ k ξ )h y k ) + ξ k ξ )h y ) + ξ k ξ )h y k )y k y )] + + [ξ k n ξ n)h n y k n) h n y n)) ξ k n ξ n)h n y k n) + ξ k n ξ n)h n y n) + ξn k ξn)h nyn)y k n k yn)] [ + ξ h y k ) h y)) y k y ) y k y) ξn h nyn) k h nyn)) ] yn k yn) yn k yn) 2 = ξi k ξi )h i yi k ) h i yi )) + + = + i= ξi k ξi )h i yi ) ξi k ξi )h i yi k ) ξi k ξi )h iyi k )yi yi k ) i= ξi h i yk i ) h i y i )) yi k y i ) yi k yi ) 2 ξi k ξi )x k i x i ) + ξi k ξi )[h i yi ) h i yi k ) h iyi k )yi yi k )] i= i= i= ξ i i δ k i ))y k i y i ) 2 i= ) = ξ k ξ )x k x ) + ξi k ξi ) 2 h i ζi k ) yi yi k ) 2 + i= i= = ξ k ξ )x k x ) + ξi k ξi ) i ζi k )yi yi k ) 2 + ξi 2 i= i= ξ i i δ k i ) xk i x i )2 h i ηk i )2 i δk i ) h i ηk i )2 xk i x i ) 2, 222) v k v )y k y ) = ξ k ξ )x k x ) i= ξ i ξi k ξi ) i ζi k )yi yi k ) 2 i= i δk i ) h i ηk i )2 xk i x i ) 2, donde ηi k y i, ζk i y i, δk i y i, cuando k, i =, 2,, n,
14 30 J Roas, et al - Selecciones Matemáticas 32) ) ahora como yi k a) lím y i )2 k t 2 = d 2 i, k b) lím k ξk i ξi ) = 0, c) lím k h i ζ k i ) = i y i ), combinando a), b) y c) y por teorema 6) 223) lím k ξk i ξi ) i ζi k ) yk i y i )2 t 2 = 0 k Dividiendo por a 222), se tiene 224) v k v )y k y ) = ξk ξ )x k x ) i= ξ i ξi k ξi ) i ζi k ) y i yk i )2 i= i δk i ) x k i x i )2 h, i ηk i )2 aplicando lím inf a 224), cuando k y aplicando el teorema??), se obtiene v k v )y k y ) lím inf k = lím inf k [ξk ξ )x k x ) + i= ξ i i δk i ) x k i x i )2 h ] i ηk i )2 + 2 ξi k ξi ) i ζi k ) y i yk i )2 i= ξ k ξ )x k x ) lím inf k + lím inf k i= ξ i i δk i ) h i ηk i )2 x k i x i )2 ξ k ξ )x k x ) = lím inf k + lím k ξ i i= + lím inf k i δk i ) x k i x i )2 h i ηk i )2 i=, ξi k ξi ) i ζi k ) y i yk i )2 i= lím k ξk i ξi ) i ζi k ) y i yk i )2 por 223), y usando 24) v k v )y k y ) ξ k ξ )x k x ) lím inf k t 2 lím inf k k t 2 + k i= g y, v, d) f x, ξ, u) + ξi i y i ) h i y i )2 u2 i i= ξ i i y i ) h i y i )2 u2 i Por propiedad se cumple que f x, v, λw) = λ 2 f x, v, w) para cualquier λ > 0 y usando 29) y 20),se tiene g y, v, d) f x, ξ, u) + σ ξi u 2 i ɛ i= u 2 f x, ξ, u/ u ) + σ ɛ ɛ u 2 u 2 σ + σ) = 0
15 J Roas, et al - Selecciones Matemáticas 32) ) 3 Entonces g y, v, d) 0 Aplicando el lema ), se concluye que g es una función convexa A continuación se definen dos clases de funciónes que satisfacen la condición 2) Corolario 3 Sea f una función definida en X Suponer que f satisface las condiciones del teorema 9) Definir h y ) = p ln ), p > 0, =, 2,, n, y [ entonces gy) = fhy)) es una función convexa en Y = p 0 tal que p p Demostración Será suficiente probar que se cumple la condición 2) En efecto: ) h y ) = p y y [ se tiene que y < 0 para y = p = p y ) = p y y ) ) y 2 y y ) = p = p, e pl ) e pl ) y ) [h y )] 2 = ) e pl ), e pl ) ) ) y y )) y 2y ) 2 ) y ) + y ) y 2y ) 2 2y y 2 y ) 2 ) ], entonces ) 2y p y 2y )2 p y y ) )) 2 = p2 2y )y y )) 2 py 2 y ) 2 = p 2y ) > p Ahora para que la condición 2) se cumpla, se debe tener que p σ ɛ, pero p > 0 Sea { p = max 0, σ } ɛ, ] si existe una constante Por lo tanto g es convexa cuando p p Corolario 4 Sea f una función definida en X Suponer que f satisface las condiciones del teorema 9) Definir h y ) = y p, p > 0, =, 2,, n
16 32 J Roas, et al - Selecciones Matemáticas 32) ) entonces gy) = fhy)) es una función convexa en Y = n p p 2 Demostración Será suficiente probar que se cumple la condición 2) En efecto: ahora para todo y [ L p h y ) = ) p y p y ) = =, l p ], se tiene p p L p = [L p ) p ) y 2) p ) ) p + y l p y p 2),, l p ] si existe un p 2 0 tal que L y p l, luego Entonces y p L = L y sea L = máx n L y ) h y )) 2 = p ) ) p + ) p y p y 2) p ) 2 = + p)y p + p) L + p) L Ahora para q la condición 2) se cumpla,se debe tener que + p) L σ ɛ, entonces p σ ɛ L pero p > 0 Sea p 2 = max {0, σ } ɛ L Por lo tanto g es convexa cuando p p 2 A continuación se presenta un eemplo eemplo 3 Considerar la función donde fx) = max{f x), f 2 x)} x X = [2, 5], f x) = /4)x 5) 2 + 4, f 2 x) = x 4) x 4 + 2x 2 Aplicando el corolario 3), hallar el valor de p para garantizar la convexidad de gy) = fhh)) Solución Se observa que f es una función no convexa y no diferenciable, además se verifica que f es una función semisuave y regular en x
17 Reescribiendo la función f, se tiene J Roas, et al - Selecciones Matemáticas 32) ) 33 /4)x 5) 2 + 4, x [2, 3, fx) = x 4) 2 + 2x 2, x [3, 4], x 4) 2 + 2x 2, x 4, 5] Ahora hallar la subdiferencial de f Para x [2, 3, se tiene por teorema5), que fx) = /2)x 5), pues f es una función continuamente diferenciable en [2, 3 Para x = 3 y por teorema 4) se tiene que fx) = c fx), entonces f3) = λf 3) + λ)f 23), λ [0, ] = λ) + λ)4) = 4 3λ λ [0, ], por tanto fx) = [, 4] Para x 3, 4], se tiene por teorema5), que fx) = 2x 5), pues f es una función continuamente diferenciable en 3, 4] Para x 4, 5], se tiene por teorema5), que fx) = 2x 3), pues f es una función continuamente diferenciable en 4, 5] Notar que ξ para cualquier ξ fx) Así ɛ = Para u = y v u fx), se tiene f x, v, u) = Faltaría analizar para x = 3 y x = 4 Para x = 4, se tiene que v = 2, donde v u f4), luego f 4, 2, ) = 2, f 4, 2, ) = 2 Para x = 3, u = y v u f3), se tiene donde /2, x [2, 3, 2, x 3, 4, 2, x 4, 5] f 3, v, u) = max{λ f 3) + λ 2 f 2 3) : λ, λ 2 ) S3, v)}, S3, v)) = {λ, λ 2 ) : v = λ f 3) + λ 2 f 23), λ, λ 2 0, λ + λ 2 = }
18 34 J Roas, et al - Selecciones Matemáticas 32) ) Para se tiene f 3) =, f 23) = 4, f 3) = /2, f 2 3) = 2, f 3,, ) = /2, f 3, 4, ) = 2, entonces para v, 4) y u =, f 3, v, u) = /2 Por lo tanto, para cualquier x [2, 5], y v u fx), f x, v, u) 2 = ρ, pero σ = ρ = 2 Luego, por el corolario 3), { p = max 0, σ } { = max 0, 2 } = 2 ɛ Por lo tanto, para cualquier p 2 garantiza la convexidad de gy)=fhy)) Los resultados dados en esta sección proporcionan una base teórica para extender el alcance de los métodos de convexificación para funciones estrictamente monótonas no diferenciables 3 Resultados Los principales resultados del presente trabao están dados en el teorema 8 y los corolarios y 2 para la convexificación de funciones estrictamente monotonas dos veces continuamente diferenciables y el teorema 9 con los corolarios 3 y 4 para la convexificación de funciones estrictamente monotonas no diferenciables Proporcionan una base teórica para extender el alcance de los métodos de convexificación para funciones estrictamente monótonas dos veces continuamente diferenciables y no diferenciables que se presentan en problemas de optimización global
19 J Roas, et al - Selecciones Matemáticas 32) ) 35 Agradecimientos Mi agradecimiento a todos los amigos, docentes y estudiantes del Departamento de Matemáticas de la Facultad de Ciencias Físicas y Matemáticas de la Universidad Nacional de Truillo por su apoyo moral y académico en el desarrollo del presente trabao Referencias [] Bazaraa, M, Programación Lineal y Fluos y Redes, segunda edición, Noriega Editores, México, 2004 [2] Bazaraa, M, Nonlinear Programming: Theory and Algorithms, Third edition, Wiley Interscience, New Jersey, 2006 [3] Clarke, F, Optimization and Nonsmooth Analysis, University of Montreal, New York, 983 [4] Chaney, R, Second-Order Directional Derivatives for Nonsmooth Functions, Journal of Mathematical Analysis and Applications 28, 495-5, 987 [5] Dara, A and Dutta, J, Optimality conditions in convex optimization a Finite-Dimensional View, Taylor and Francis Group, London, 202 [6] Hofman, K, A Method for Globally Minimizaing Concave Functions Over Convex Sets, Mathematical Programming 20 98) [7] Li, D, Sun, X and McKinnon, K, An Exact Solution Method for Reliability Optimization Problems in Complex Systems, Annals of Operation Research 33, 29-48, 2005 [8] Sun, X, Luo, H and Li, D, Convexification of Nonsmooth Monotone Functions, Journal of Optimization Theory and Applications, Vol32, No 2, 2007 [9] Sun, X, Mckinnon, H and Li, D, A Convexification method for a class of global optimization problems with applications to reliability optimization, Journal of Global Optimization 2: 85-99,200 [0] Wu, Z, Zhang, L, Bai, F AND Yang, X, Convexification and Concavification Methods for some Global Optimization Problems, Journal of Systems Science and Complexity, Vol 7, No 3, 2004
FUNDAMENTOS 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 detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesElementos de Cálculo en Varias Variables
Elementos de Cálculo en Varias Variables Departamento de Matemáticas, CSI/ITESM 5 de octubre de 009 Índice Introducción Derivada parcial El Jacobiano de una Función 5 Derivadas Superiores 5 5 Derivada
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 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 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 detallesAplicación del orden de mayorización a un problema de producción-inventario. An aplication of majorization order on a production-inventory problem
Revista Facultad de Ingeniería N. o 39. pp. 112-117. Marzo, 2007 Aplicación del orden de mayorización a un problema de producción-inventario Henry Laniado Rodas a,*,diego Alejandro Castañeda b, Andrés
Más detallesMatemática para Economistas Curso 6
Matemática para Economistas Curso 6 Práctica 6: Funciones cóncavas y cuasicóncavas Ejercicio Considere las funciones f: siguientes: (a) f ( ) = ( ) + ( ) 4 4 (b) f ( ) = ( ) + ( ) + ( ) (c) f ( ) = ( )
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 detallesMétodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones
Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones Dr. Gonzalo Hernández Oliva UChile - Departamento de Ingeniería Matemática 07 de Mayo 2006 Abstract En este apunte veremos
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 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 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 detallesConstrucción de Conjuntos B 2 [2] Finitos
Construcción de Conjuntos B [] Finitos Gladis J. Escobar Carlos A. Trujillo S. Oscar H. Zemanate Resumen Un conjunto de enteros positivos A se llama un conjunto B [g] si, para todo entero positivo s, la
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesDepartamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
Más detallesProyectos de trabajos para Matemáticas
Proyectos de trabajos para Matemáticas 14 de julio de 2011 Resumen En cada uno de los Proyectos elegidos, los estudiantes deberán completar las etapas siguientes: Comprender el problema. Tomarse el tiempo
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 detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detalles1. Convergencia en medida
FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA3801 Teoría de la Medida. Semestre 2009-02 Profesor: Jaime San Martín Auxiliares: Andrés Fielbaum y Cristóbal Guzmán Clase auxiliar 7 21 de Septiembre
Más detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: OPTIMIZACIÓN 1 SEMESTRE: VII 2 CODIGO: 602704 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE AROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1) 10 INTENSIDAD
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
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 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 detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
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 detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesFunciones Inversas. Derivada de funciones inversas
Capítulo 15 Funciones Inversas En este capítulo estudiaremos condiciones para la derivación de la inversa de una función de varias variables y, en particular, extenderemos a estas funciones la fórmula
Más detallesFunciones de Una Variable Real I. Derivadas
Contents : Derivadas Universidad de Murcia Curso 2010-2011 Contents 1 Funciones derivables Contents 1 Funciones derivables 2 Contents 1 Funciones derivables 2 3 Objetivos Funciones derivables Definir,
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 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 detallesÁlgebra Lineal IV: Espacios Vectoriales.
Álgebra Lineal IV: Espacios Vectoriales José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
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 detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesSeries. Capítulo Introducción. Definición 4.1 Sea (x n ) n=1 una sucesión de números reales. Para cada n N. S n = x k = x 1 + x x n.
Capítulo 4 Series 4 Introducción Definición 4 Sea (x n ) n= una sucesión de números reales Para cada n N definimos n S n = x k = x + x 2 + + x n k= La sucesión (S n ) n se conoce como la serie infinita
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Métodos cuantitativos de la empresa Curso: 2º Créditos ECTS:
Más detallesLa Distancia de un Punto a una Recta y de un Punto a un Plano, y un Teorema de Pitágoras en Tres Dimensiones
58 Sociedad de Matemática de Chile La Distancia de un Punto a una Recta y de un Punto a un Plano, y un Teorema de Pitágoras en Tres Dimensiones Miguel Bustamantes 1 - Alejandro Necochea 2 El propósito
Más detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesDerivadas parciales Derivadas direccionales Derivadas parciales de orden superior. Derivadas parciales y direccionales
Derivadas parciales y direccionales 1 Derivadas parciales 2 Derivadas direccionales 3 Derivadas parciales de orden superior Derivadas parciales (de campos escalares de dos variables) Sea A = [a 1, b 1
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 detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesFUNCIONES EXPONENCIAL Y LOGARÍTMICA
FUNCIONES EXPONENCIAL Y LOGARÍTMICA 1. Crecimiento exponencial. La función exponencial. 1.1 La Función Exponencial. Una función exponencial es una expresión de la forma siguiente:,,. Donde es una constante
Más detallesEjercicios Resueltos de Cálculo III.
Ejercicios Resueltos de Cálculo III. 1.- Considere y. a) Demuestre que las rectas dadas se cortan. Encuentre el punto de intersección. b) Encuentre una ecuación del plano que contiene a esas rectas. Como
Más detalles1. Curvas Regulares y Simples
1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo
Más detallesDetermine if this function achieves a maximum in A. Does it achieve a minimum?
(1 Consider the set A = {(x, y R : x + y, y x }. (a Draw set A, its boundary and interior set. Discuss whether A is open, closed, bounded, compact and/or convex. Clearly explain your answer. (b Consider
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesPROGRAMACION CUADRATICA
PROGRAMACION CUADRATICA Programación convexa La programación convexa abarca una amplia clase de problemas, entre ellos como casos especiales, están todos los tipos anteriores cuando /(x) es cóncava. Las
Más detalles1. Construcción de la Integral
1. Construcción de la Integral La integral de Riemann en R n es una generalización de la integral de funciones de una variable. La definición que vamos a dar reproduce el método de Darboux para funciones
Más detalles1. DIFERENCIABILIDAD EN VARIAS VARIABLES
1 1. DIFERENCIABILIDAD EN VARIAS VARIABLES 1.1. DERIVADAS DIRECCIONALES Y PARCIALES Definición 1.1. Sea f : R n R, ā R n y v R n. Se define la derivada direccional de f en ā y en la dirección de v como:
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesDerivación. Aproximaciones por polinomios.
Derivación... 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Matemáticas (Grado en Químicas) Contenidos Derivada 1 Derivada 2 3 4 5 6 Outline Derivada 1 Derivada 2 3 4 5 6 Definición
Más detallesDERIVADAS PARCIALES Y APLICACIONES
CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras
Más detallesTeoremas de convergencia y derivación bajo el signo integral
Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones
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 detallesCálculo numérico. Aritmética en punto flotante.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2012. Sistemas de números en punto flotante F F está caracterizado por los enteros β, L, U, p en donde β es la
Más detalles1. Sucesiones y redes.
1. Sucesiones y redes. PRACTICO 7. REDES. Se ha visto que el concepto de sucesión no permite caracterizar algunas nociones topológicas, salvo en espacios métricos. Esto empieza con algunas definiciones
Más detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
Más detallesDemostraciones a Teoremas de Límites
Demostraciones a Teoremas de Límites Programa de Bachillerato.Universidad de Chile. Otoño, 009 En esta sección solo daremos los fundamentos teóricos que nos permiten resolver los problemas que se nos plantean,
Más detalles5. ANÁLISIS MATEMÁTICO // 5.1. FUNCIONES Y
5. ANÁLISIS MATEMÁTICO // 5.1. FUNCIONES Y LÍMITES. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2010-2011 5.1.1. Las magnitudes variables: funciones. 5.1.1. Las magnitudes variables:
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Ciencias. Plan de estudios de la Licenciatura en Actuaría. Teoría de Redes
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Teoría de Redes Clave 0442 Modalidad Semestre 7 u 8 Créditos 10 Área Campo de conocimiento Etapa
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesConceptos básicos de Geometría
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo
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 detallesZ Optima X 1 + X 2 5 Z 1 -X 1 + 2X Región factible. Figura 1
Método Gráfico El procedimiento geométrico, es únicamente adecuado para resolver problemas muy pequeños (con no más de dos variables debido al problema de dimensionalidad). Este método provee una gran
Más detallesDiferenciales de Orden Superior
Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las
Más detallesESTÁTICA 3 3 VECTORES
ESTÁTICA Sesión 3 3 VECTORES 3.1. Componentes en dos dimensiones 3.1.1. Operación con vectores por sus componentes 3.1.2. Vectores de posición por sus componentes 3.2. Componentes en tres dimensiones 3.2.1.
Más detallesCÁLCULO DIFERENCIAL Muestras de examen
CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesTEMA 3: CONTINUIDAD DE FUNCIONES
TEMA 3: CONTINUIDAD DE FUNCIONES. Valor Absoluto Trabajaremos en el campo de los números reales, R. Para el estudio de las propiedades de las funciones necesitamos el concepto de valor absoluto de un número
Más detallesTEORÍA DE LA EMPRESA. ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana
TEORÍA DE LA EMPRESA ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana asienrag@gmail.com. Conjuntos y funciones de producción El conjunto de posibilidades
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesIntroducción al análisis y la geometría de las funciones convexas y aplicaciones: medidas y gradientes
Facultad de Ciencias Introducción al análisis y la geometría de las funciones convexas y aplicaciones: medidas y gradientes Victor Garzón Sánchez Tutor: Fernando Sanz Sánchez Máster de Investigación en
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detallesMatriz inversa generalizada y descomposición del valor singular
Matriz inversa generalizada y descomposición del valor singular Divulgación Fernando Velasco Luna y Jesús Hernández Suárez Laboratorio de Investigación y Asesoría Estadística, Facultad de Estadística e
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesLa solución de algunas EDO de Riccati
Revista digital Matemática, Educación e Internet (http://tecdigital.tec.ac.cr/revistamatematica/). Vol 15, No 2. Marzo Agosto 2015. ISSN 1659-0643 La solución de algunas EDO de Riccati José Alfredo Jiménez
Más detallesUniversidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación
Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación EJERCICIOS RESUELTOS DE ECUACIONES NO LINEALES Profesor: Jaime Álvarez Maldonado Ayudante: Rodrigo
Más detallesGeometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas
Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas Jesús A. De Loera University of California, Davis trabajo conjunto con Shmuel Onn (Technion Haifa Israel) Cuadrados
Más detallesRectas perpendiculares
nota de clase Rectas perpendiculares Ángel Pérez Juárez Resumen: Se demuestra la condición de ortogonalidad entre dos rectas sin usar funciones trigonométricas. La alternativa es plantear una ecuación
Más detallesentonces las derivadas laterales existen y son iguales. y vale lo mismo. Si existen las derivadas laterales y son iguales, entonces existe f (a)
DERIVADAS. TEMA 2. BLOQUE 1 1.- DERIVADA DE UNA FUNCIÓN EN UN PUNTO Se llama derivada de la función y = f ( en el punto de abscisa x = a al límite f ( f ( a f ( a = lím x a x a Si existe f (a entonces
Más detallesMÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL
UNIVERSIDAD DE ALCALÁ DE HENARES Departamento de Fundamentos de Economía e Historia Económica MÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL (Obligatoria en Ciencias Actuariales, 3er curso, Optativa
Más detalles4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno
para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesFigura 1. Círculo unidad. Definición. 1. Llamamos número π (pi) al valor de la integral
ANÁLISIS MATEMÁTICO BÁSICO. LAS FUNCIONES TRIGONOMÉTRICAS. La función f(x) = 1 x 2 es continua en el intervalo [ 1, 1]. Su gráfica como vimos es la semicircunferencia de radio uno centro el origen de coordenadas.
Más detallesMétodos Iterativos para Ecuaciones no Lineales
This is page i Printer: Opaque this Métodos Iterativos para Ecuaciones no Lineales Dr. Oldemar Rodríguez Rojas Setiembre 001 ii This is page iii Printer: Opaque this Contents 1 Métodos iterativos para
Más detallesTeorema del Valor Medio
Tema 6 Teorema del Valor Medio Abordamos en este tema el estudio del resultado más importante del cálculo diferencial en una variable, el Teorema del Valor Medio, debido al matemático italo-francés Joseph
Más detallesEs claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que
Capítulo II Cardinalidad Finita II.1. Cardinalidad Definimos I n para n N como I n = {k N : 1 k n}. En particular I 0 =, puesto que 0 < 1. Esto es equivalente a la definición recursiva { si n = 0 I n =
Más detalles1. Lección 9 - Continuidad y Derivabilidad
1. Lección 9 - Continuidad y Derivabilidad 1.1. Continuidad El concepto de continuación es el mismo que el visto en el primer cuatrimestre pero generalizado al caso de los campos escalares. Así, sea la
Más detallesTEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte)
TEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte) Francisco José Ribadas Pena Modelos de Razonamiento y Aprendizaje 5 Informática ribadas@uvigo.es 17 de abril de 2012 FJRP ccia [Modelos
Más detalles