Академический Документы
Профессиональный Документы
Культура Документы
𝑥 ≥ 0
donde 𝑓(𝑥) 𝑦 𝑔𝑖 (𝑥) son funciones dadas de n variables de decisión (Calvete and
Mateo, 1994)
En notación extendida:
𝑚𝑎𝑥 𝑓(𝑥1 , 𝑥2 , . . . , 𝑥𝑛 )
𝑠. 𝑎
𝑔1 (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) ≤ 𝑏1
𝑔2 (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) ≤ 𝑏2
...
𝑔𝑚 (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) ≤ 𝑏𝑚
𝑥𝑗 ≥ 0, ∀𝑗 = 1, 2, . . . , 𝑛
Cuando un problema de PNL tiene solo una o dos variables, se puede representar en
forma gráfica. Si las funciones no son lineales, dibujaremos curvas en lugar de rectas,
por lo que función objetivo y región factible dejaran de tener el aspecto que adquieren
en la PL. La solución no tiene por qué estar en un vértice de la región factible, ni siquiera
tiene porque encontrarse en la frontera de esta. Por lo que la desaparece ahora la gran
simplificación que se utiliza en PL, que permite limitar la búsqueda de solución ´optima
a las soluciones en los vértices. Además, en PNL un máximo local no es necesariamente
un máximo global y en general, los algoritmos de PNL no pueden distinguir cuando se
encuentra en un ´optimo local o en uno global. Por tanto, es crucial conocer las
condiciones en las que se garantiza que un máximo local es un máximo global en la
región factible. Recuerde que, en Análisis Matemático, cuando se maximiza una función
ordinaria (doblemente diferenciable) de una sola variable f(x) sin restricciones, esta
garantía está dada cuando (Salazar, 2011)
𝑑2 𝑓
∀𝑥, ≤ 0,
𝑑𝑥 2
es decir, cuando la función es cóncava hacia abajo, o simplemente cóncava.
1. DEFINICIÓN:
Sea una función de una sola variable 𝑓(𝑥) y consideremos cada par de valores
de 𝑥, 𝑥 ′ 𝑦 𝑥"
Obsérvese 𝑞𝑢𝑒 𝜆𝑥′′ + (1 − 𝜆)𝑥 ′ es el segmento que une los dos puntos 𝑥 ′ y 𝑥 ′′, por
lo que en una funci´on c´oncava hacia arriba (convexa) el segmento queda por encima
de la funci´on, mientras que en una funci´on cóncava hacia abajo (cóncava) el segmento
queda por debajo. Por ejemplo, f(x) = 𝑥 2 es convexa, 𝑓(𝑥) = −𝑥 2 es cóncava, 𝑓(𝑥) =
𝑥 es simultáneamente cóncava y convexa, f(x) = 𝑥 3 no es ni cóncava ni convexa. En la
Figura 1.1 observamos gráficamente los diferentes casos de funciones según su
concavidad (Salazar, 2011)
2. DEFINICIÓN
Sea la función 𝑓: 𝐷 ⊂ 𝐼𝑅 𝑛 → 𝐼𝑅 con derivadas parciales de segundo orden en el
punto 𝑥 ∗ ∈ 𝐷, entonces definimos
1. DEFINICIÓN
2. DEFINICIÓN.
3. DEFINICIÓN.
La función 𝑓: 𝐷 𝑅 𝑛 → 𝑅 definida en un conjunto abierto 𝐷 𝑅 𝑛 tiene un valor mínimo
relativo en el punto →∈ 𝐷 si existe una bola abierta 𝐵 (→, 𝜀) 𝐷 tal que 𝑓( →) ≤ 𝑓( →),∀
𝑥0 𝑥0 𝑥0 𝑥
𝑥 ∈ 𝐵 (→, 𝜀) 𝐷 (Espinoza, 2012)
𝑥0
4. DEFINICIÓN.
5. DEFINICIÓN.
2
(𝜕2 𝑓(𝑎,𝑏) (𝜕2 𝑓(𝑎,𝑏) (𝜕2 𝑓(𝑎,𝑏)
. ∆= ∂ x2
. 𝑓 ∂ y2
−( 𝜕𝑦𝜕𝑥
)
(𝝏𝟐 𝒇(𝒂,𝒃)
I. Si ∆>0 y 𝛛 𝐱𝟐
> 0, entonces 𝑓 (a, b) es un valor mínimo relativo.
(𝝏𝟐 𝒇(𝒂,𝒃)
II. si ∆>0 y 𝛛 𝐱𝟐
< 0, entonces 𝑓 (a, b) es un valor máximo relativo.
(𝜕 2 𝑓(𝑎, 𝑏) (𝜕 2 𝑓(𝑎, 𝑏)
∂ x2 𝜕𝑦𝜕𝑥 |
∆= || 2
(𝜕 𝑓(𝑎, 𝑏) (𝜕 2 𝑓(𝑎, 𝑏)|
𝜕𝑥𝜕𝑦 ∂ y2
Siendo:
(𝜕 2 𝑓(𝑎, 𝑏) (𝜕 2 𝑓(𝑎, 𝑏)
=
𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥
HISTORIA
El hessiano, conocido también como discriminante o matriz hessiana, fue introducido en
el año de 1844 por Hess, matemático alemán quien nació en 1811 y murió en 1874.
Esto sucedió luego de que Carl Gustav Jacob Jacobi (1804- 1851) introduje jacobianos”.
Lo que hizo Jacobi con de variable de las integrales múltiples en términos de estos.
Respecto a los detalles biográficos de Ludwig Otto Hess se sabe que nació
precisamente en Konigsberg, Alemania (actualmente Rusia) el 22 de abril de 1811.
Estudió con Jacobi en su ciudad natal (Konigsberg), donde se desempeñó primero
comomaestro de física y química; posteriormente como profesor. En 1856 se trasladó a
Heidelberg, donde permaneció doce años, antes de tomar un puesto en Munich, donde
falleció el 4 de agosto de 1874. Ludwig Otto Hess se hizo tan famoso por una matriz que
introdujo en un artículo de 1842 referido a curvas cúbicas y cuadráticas.
Con el objetivo de explicar cada detalle con la mayor claridad posible, se expresa el
significado de cada uno de los elementos que aparecen dentro de la matriz: (Espinoza,
2012)
𝒇𝒙𝒙 Significa que se deriva la función original por primera vez con respecto a x
y luego ese resultado se deriva por segunda vez con respecto a x nuevamente.
𝒇𝒙𝒚 Significa que se deriva la función original por primera vez con respecto a y
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a x.
𝒇𝒙𝒛 Significa que se deriva la función original por primera vez con respecto a z
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a x.
𝒇𝒚𝒙 Significa que se deriva la función original por primera vez con respecto a x
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a y.
𝒇𝒚𝒚 Significa que se deriva la función original por primera vez con respecto a y
y luego ese resultado se deriva por segunda vez con respecto a y nuevamente.
𝒇𝒚𝒛 Significa que se deriva la función original por primera vez con respecto a z
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a y.
𝒇𝒛𝒙 Significa que se deriva la función original por primera vez con respecto a x
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a z.
𝒇𝒛𝒚 Significa que se deriva la función original por primera vez con respecto a y
y luego ese resultado se deriva por segunda vez, pero ahora con respecto a z.
𝒇𝒛𝒛 Significa que se deriva la función original por primera vez con respecto a z y
luego ese resultado se deriva por segunda vez con respecto a z nuevamente.
Nota: Tome en cuenta que las siguientes se denominan derivadas mixtas o cruzadas y
si existen son iguales: 𝒇 𝒙𝒚 = 𝒇 𝒚𝒙, 𝒇 𝒙𝒛 = 𝒇 𝒛𝒙, 𝒇 𝒚𝒛 = 𝒇 𝒚𝒛
.
ENCONTRAR MÁXIMOS Y MÍNIMOS UTILIZANDO MATRICES HESSIANAS
e) Una vez se tienen los puntos críticos se debe calcular las segundas
derivadas parciales en cada uno de estos puntos, para identificar los
elementos de la matriz Hessiana, ya sea matriz 2 x 2 (si la función es de
dos variables), 3 x 3 (si la función es de tres variables), 4 x 4 (si la función
es de cuatro variables), n x n (si la función es de n variables).
Observación:
Se observó que el desarrollo de una forma cuadrática en términos de las
variables (𝑎1 , 𝑎2 , …, 𝑎𝑛 ) corresponden a un polinomio homogéneo de grado 2,
en donde los coeficientes de los términos cuadráticos (𝑎𝑖2 ) son los elementos de
la diagonal de la matriz simétrica H, y cada coeficiente de un termino 𝑎𝑖 𝑎𝑗 el doble
del elemento ℎ𝑖𝑗 de la misma matriz (𝑖 ≠ 𝑗)
Entonces:
𝑥0 Corresponde a un mínimo relativo si ∆1 > 0, ∆2 > 0, … , ∆𝑛 > 0, …, cuyo
valor mínimo es 𝑓(𝑥0 )
BIBLIOGRAFIA
Espinoza E. (2012) Análisis Matemático III Para Estudiantes De Ciencias e Ingeniería (6°
edición), Perú Editorial Servivios Gráficos J.J Mary A. (01 de junio de 2013) Discriminante o
hessiano. Recuperado el 28 de junio de 2015, de
http://es.slideshare.net/maryanabella/discriminante-ohessiano
H. Calvete and P. Mateo, Programación lineal, entera y meta. Colección Textos Docentes. Prensa
Universitaria de Zaragoza, 1994.