Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Matemáticas I Clase 23: Derivadas (8) Jorge Rivera 12 de junio de 2021 Apunte de Curso: Págs. 183 a 185 1 Agenda Objetivos de la clase Óptimo global versus óptimo local Condiciones para encontrar óptimos globales (si hay) Ejemplos 2 Objetivos de la clase Objetivos de la clase � Conocer qué es un óptimo global de una función, y la diferencia con óptimos locales. � Conocer las condiciones que garantizan que un punto sea máximo o ḿınimo global 3 Óptimo global versus óptimo local Óptimo local Figura 1: Extremos locales de una función � f tiene un máximo local en x1: f ′(x1) = 0 ∧ f ′′(x1) < 0. � f tiene un ḿınimo local en x2: f ′(x2) = 0 ∧ f ′′(x2) > 0. 4 Óptimo Local versus global � ¿Es acaso f (x1) el mayor valor que toma la función? NO. � ¿Es acaso f (x2) es el menor valor que toma la función? NO. Figura 2: Extremos locales no nec. optimizan globalmente 5 Ejemplo de óptimo local Ejemplo Para la función f : R→ R tal que f (x) = x3 − 2x2 + 1. � Puntos cŕıticos: f ′(x) = 3x2 − 4x = 0 ⇒ x1 = 0 ∧ x2 = 4 3 . � ¿Máx - Mı́n local?: f ′′(x) = 6x − 4 ⇒ f ′′(0) = −4 ∧ f ′′(4/3) = 4. Luego, x1 = 0 es máximo local y x2 = 4/3 es ḿınimo local. 6 Figura 3: Óptimos locales de f (x) = x3 − 2x2 + 1 7 Óptimo global • La función f : R→ R tiene un “máximo local” en x̄ cuando “en torno” a x̄ alcanza un valor máximo en ese punto, es decir, existe � > 0 tal que para todo x ∈]x̄ − �, x̄ + �[ se cumple que f (x̄) ≥ f (x). • La función f : R→ R tiene un “máximo global” en x̄ cuando en ese punto alcanza un valor máximo en todo su dominio, es decir, cuando para todo x ∈ R (el dominio en general) se cumple que f (x̄) ≥ f (x). P.D. Análogo con ḿınimo local versus ḿınimo global. 8 Óptimo local versus óptimo local • ¿Siempre existe puntos donde una función alcanza máximo (ḿınimo) global? En general NO. Por ejemplo, f : R→ R tal que f (x) = x no tiene ni máximo, ni ḿınimo global. • ¿Si hay máximo (ḿınimo) local entonces debe haber máximo (ḿınimo) global? No necesariamente. Por ejemplo, la función f (x) = x3 − 2x2 + 1 alcanza un máximo local en x = 0, pero en ese punto no tiene un máximo global. Mismo con x = 4/3, donde f alcanza un ḿınimo local, que sin embargo no es un valor ḿınimo global. 9 Condiciones para encontrar óptimos globales (si hay) Esquema de análisis Consideramos el caso de una función f : R→ R (pudiendo ser otros dominios). Paso 1: Puntos cŕıticos � Si la función f tiene punto cŕıtico (digamos, x̄), entonces continuar con el siguiente paso. � Si la función f no tiene punto cŕıtico, entonces terminar: no hay óptimos globales. 10 Esquema de análisis Paso 2: Análisis de la convexidad (2.1) ¿Es cierto que f ′′(x) > 0 en todo R (o el dominio)?: SI ⇒ x̄ es ḿınimo global (2.2) ¿Es cierto que f ′′(x) < 0 en todo R (o el dominio)?: SI ⇒ x̄ es máximo global (2.3) Si el signo de la segunda derivada “depende de x”, entonces x̄ es solo ḿınimo local cuando f ′′(x̄) > 0, o bien es es máximo local cuando f ′′(x̄) < 0, pero no es óptimo global. 11 Conclusiones • Si la función es convexa (en todo el dominio) entonces sus puntos cŕıticos (si los tiene) la minimizan en todo el dominio. Más aún, si la función es estrictamente convexa, entonces el punto donde se minimiza es único. • Si la función es cóncava (en todo el dominio) entonces sus puntos cŕıticos (si los tiene) la maximizan en todo el dominio. Más aún, si la función es estrictamente convexa, entonces el punto donde se minimiza es único. • De manera “informal”: las convexas se minimizan y las cóncavas se maximizan. 12 Ejemplos Ejemplo Para la función f : R→ R tal que f (x) = 2x2 − 7x + 2: � Punto(s) cŕıticos: f ′(x) = 4x − 7 = 0 ⇒ x̄ = 7 2 . � ¿Convexa o cóncava? f ′′(x) = 4 > 0 ⇒ Estrictamente Convexa. � Conclusión: ya que f es estrictamente convexa, el punto cŕıtico x̄ = 7/2 es un punto donde la función se minimiza globalmente, es decir: ∀x ∈ R se cumple que f (x) ≥ f (4/7). 13 Ejemplo En general, para la función f : R→ R tal que f (x) = a x2 + b x + c , � Punto(s) cŕıticos: f ′(x) = 2ax + b = 0 ⇒ x̄ = −b 2a . � ¿Convexa o cóncava? f ′′(x) = 2a, por lo que si a > 0 entonces f es estrictamente convexa, mientras que si a < 0 es estrictamente cóncava. � Conclusión: si a > 0 entonces x̄ = −b2a es un punto donde la función se minimiza globalmente, mientras que si a < 0 entonces x̄ = −b2a es un punto donde la función se maximiza globalmente. 14 Ejemplo Para la función f (x) = ex : � Puntos cŕıticos: f ′(x) = ex = 0 : no hay solución La función no tiene puntos cŕıticos, por lo que no tiene ni máximo global, ni ḿınimo global. Note que esto ocurre a pesar de que la función es estrictamente convexa: f ′(x) = ex ⇒ f ′′(x) = ex > 0. 15 Ejemplo Para la función f : R→ R tal que f (x) = ex − x � Punto(s) cŕıticos: f ′(x) = ex − 1 = 0 ⇒ x̄ = 0 � ¿Convexa o cóncava? f ′(x) = ex − 1 ⇒ f ′′(x) = ex > 0, por lo que f (x) es estrictamente convexa. � Conclusión: la función f (x) = ex − x se minimiza globalmente en x̄ = 0, es decir, para todo x ∈ R se cumple que ex − x ≥ e0 − 0 ⇒ ex ≥ 1 + x . 16 Figura 4: f (x) = ex − x tiene ḿınimo global en x̄ = 0 17 Ejemplo Suponga que R > 0 y p > 0 son cantidades conocidas. Sea f : R++ → R tal que f (x) = (R − p x) + √ x . • Puntos cŕıticos: f ′(x) = −p + 1 2 √ x = 0 ⇒ x̄ = 1 4p2 . • ¿Convexa o cóncava?: f ′(x) = −p + 1 2 √ x ⇒ f ′′(x) = − 1 4 x3/2 < 0. • Conclusión: en el punto x̄ = 14p2 ocurre que la función tiene (alcanza) un máximo global. 18 Objetivos de la clase Óptimo global versus óptimo local Condiciones para encontrar óptimos globales (si hay) Ejemplos
Compartir