Repaso: Valores extremos de funciones de una variable Tema 07: Valores extremos de campos multivariables Juan Ignacio Del Valle Gamboa Sede de Guanacaste Universidad de Costa Rica Ciclo I - 2014 I Repaso: Fórmula de Taylor Sea y = f (x) tal que f : R → R, y sea (x0 , y0 ) un par ordenado perteneciente a la gráfica de dicha función. Sea x un valor cercano a x0 . Entonces, f (x) ≈ i=1 i! − x0 )i f (x) ≈ f (x0 ) + f 0 (x0 )(x − x0 ) + Los valores extremos (mínimos, máximos) de una función de una variable y = f (x) son aquellos valores de la variable x en donde df dx = 0. Repaso: Criterio de la Segunda Derivada Fórmula de Taylor ∞ i X f (x0 )(x Teorema De la derivación anterior, se puede concluír lo siguiente para el caso de que (x0 , y0 ) corresponda a un valor extremo de la función y = f (x): I f 0 (x0 ) = 0 I Para valores de x cercanos a x0 , se cumple que: 00 2 0) . f (x) − f (x0 ) ≈ f (x0 )(x−x 2 I f 00 (x0 )(x − x0 )2 + ... 2 El signo de la anterior expresión solamente depende del signo del término f 00 (x0 ). Repaso: Criterio de la Segunda Derivada (2) Generalidades Teorema Sea (x0 , y0 ) un valor extremo de la función y = f (x), y x un valor cercano a x0 . Entonces, I Si f 00 (x0 ) > 0 entonces f (x) − f (x0 ) > 0 y el punto es un valor míinimo. I Si f 00 (x0 ) < 0 entonces f (x) − f (x0 ) < 0 y el punto es un valor máximo. Puntos de ensilladura I Los valores extremos de funciones multivariables ya no se limitan solamente a puntos, sino que pueden presentarse a lo largo de curvas. I De forma análoga al caso de una variable, los valores extremos se detectan porque allí se hacen nulas las derivadas direccionales en cualquier orientación Criterio para detectar puntos críticos Puntos críticos Sea una función z = f (x, y) un campo escalar multivariable tal que f : D ⊂ R2 → R. Entonces los puntos críticos de la función pueden ser: I Definición Los puntos de ensilladura son un nuevo tipo de valores extremos que se presentan en los campos multivariables dependientes de dos variables, en donde las derivadas direccionales se anulan pero la concavidad de la gráfica es positiva en algunas direcciones y opuesta en otras. Aquellos donde todas las derivadas direccionales se anulan. Es − → ∂f ∂f = ∂y = 0. decir, donde ∇f = 0 ⇐⇒ ∂x I Los puntos en la frontera de la región D. I Los puntos donde alguna de las derivadas parciales se indefinen Fórmula de Taylor para campos escalares en R2 La teoría de los desarrollos limitados vista en el cálculo de una variable puede extenderse a las nuevas funciones estudiadas recientemente. Teorema: Fórmula de Taylor Sea z = f (x, y) un campo escalar definido tal que f : D ⊂ R2 → R. Sea (x0 , y0 ) un punto perteneciente a la gráfica de la función z, y sea (x, y) un par ordenado cercano a (x0 , y0 ). Entonces, el valor de la función z se puede aproximar en el par ordenado (x, y) de la siguiente forma: − → f (x, y) = f (x0 , y0 ) + ∇f (x0 ,y0 ) · [(x, y) − (x0 , y0 )] 1 + [(x, y) − (x0 , y0 )]H(x0 ,y0 ) [(x, y) − (x0 , y0 )]t 2 Obsérvese cómo el vector gradiente aparece en vez de las primeras derivadas en el caso de la fórmula de una variable; y en vez de las segundas derivadas aparece la matriz H. Criterio de la segunda derivada para campos escalares en R2 Sea (x0 , y0 ) un valor extremo de la función z = f (x, y) identificado previamente por el método de detección de puntos críticos anteriormente descrito. Entonces se puede utilizar la fórmula de Taylor para estudiar el comportamiento de los puntos (x, y) adyacentes a (x0 , y0 ): f (x, y) − f (x0 , y0 ) = 1 [(x, y) − (x0 , y0 )]H(x0 ,y0 ) [(x, y) − (x0 , y0 )]t 2 Recordar que: La matriz Hessiana La matriz H que aparece en la fórmula de Taylor se conoce como matriz Hessiana de la función f (x, y), y se define de la siguiente forma: H = ∂2f ∂x2 ∂2f ∂x∂y ∂2f ∂y∂x ∂2f ∂y2 I La matriz Hessiana es una matriz simétrica (por la igualdad de las derivadas parciales de segundo orden cruzadas). I Obsérvese que en la fórmula de Taylor esta matriz debe evaluarse en el punto (x0 , y0 ). Criterio de la segunda derivada para campos escalares en R2 Teorema Sea (x0 , y0 ) un valor extremo de la función z = f (x, y) identificado previamente por el método de detección de puntos críticos anteriormente descrito. Entonces, I Si det H > 0 y I Si det H > 0 y ∂2f ∂x2 ∂2f ∂x2 > 0 entonces (x0 , y0 ) es un punto mínimo. < 0 entonces (x0 , y0 ) es un punto máximo. I El vector gradiente es nulo en estos puntos críticos. I Si det H < 0, entonces (x0 , y0 ) es un punto de ensilladura. I El signo del término restante depende únicamente de la matriz Hessiana. I Si det H = 0 entonces no hay criterio. I Al ser la matriz Hessiana simétrica, el signo de la expresión anterior está determinado por el hecho de que H sea una matriz definida positiva o definida negativa. Criterio generalizado de la segunda derivada Regla de la cadena: ejemplo Criterio Sea f : Rn → R un campo escalar y P = (x1 , x2 , ..., xn ) un valor ∂2f crítico de esa función. Sea Hij,P = ∂xi ∂xj la matriz Hessiana P asociada a la función f evaluada en P, y ∆n−1 , ∆n−2 , ...∆2 , ∆1 las n − 1 matrices menores principales de H. Entonces, I Si det(HP ) > 0 y det(∆k ) > 0 para todo k, P es un valor mínimo de f . I Si det(HP ) < 0 y los signos de los determinantes de los menores principales se alternan (det(∆n−1 ) > 0, det(∆n−2 ) < 0, etc.), P es un valor máximo de f . I Si todos estos determinantes son diferentes de cero, pero no se cumple ninguno de los casos anteriores, P es un punto de ensilladura. I Si alguno de los determinantes es igual a cero, el criterio no es concluyente. Multiplicadores de Lagrange Función Lagrangiano Teorema I I I Sea f : U ⊂ Rn → R una función multivariable de clase Ascendiendo a la cima del volcán Rincón de la Vieja C0 . Sean g1 , g2 , ..., gm : U → R también diferenciables, con m < n. Definición Para la función f y las restricciones gi anteriormente descritas, se define la función Lagrangiano como: Sea S = x ∈ U | gi (x) = 0 ∀ i. Si x0 ∈ S es un extremo condicionado de f , entonces existen m números reales λ1 , λ2 , ..., λm tales que: − → ∇f (x0 ) + m X k=1 −→ λk ∇gk (x0 ) = 0 En otras palabras, el gradiente de la función evaluado en un punto crítico es paralelo a los gradientes de las restricciones evaluados en el mismo punto. L(x, λ1 , λ2 , ..., λn ) = f (x) − m X λk gk (x) k=1 Los valores λk se conocen como multiplicadores de Lagrange. Teorema Encontrar los valores extremos de la función f sujeta al conjunto gi de restricciones, equivale a encontrar los valores extremos de la función Lagrangiano. Es decir, los puntos críticos son aquellos donde −→ → − ∇L = 0 . El Hessiano Limitado Criterio de la segunda derivada Para trabajar los problemas de valores extremos de una función f (x, y, z) sujeta a la restricción g(x, y, z) = 0, se define la matriz Hessiano Limitado como: 0 −gx −gy −gz −gx Lxx Lyx Lzx H = −gy Lxy Lyy Lzy −gz Lxz Lyz Lzz Caso: Función de dos variables con una restricción Solo ocupa calcularse n = 2 − 1 = 1 un determinante, que sería el determinante de la matriz Hessiana limitada: 0 −gx −gy H = −gx Lxx Lyx −gy Lxy Lyy Criterio I Si det(H)(x0 ,y0 ) > 0, entonces el punto es un máximo local. I Si det(H)(x0 ,y0 ) < 0, entonces el punto es un mínimo local. I Si det(H)(x0 ,y0 ) = 0, entonces el criterio no es concluyente. Teorema La cantidad n de determinantes a calcular necesarios para identificar los puntos críticos de una función multivariable sujeta a restricciones es igual a la diferencia de la cantidad de variables independientes v y la cantidad de restricciones r: n = v−r Caso: Función de tres variables con una restricción Ocupamos resolver n = 3 − 1 = 2 determinantes: el de la matriz hessiana limitada, y el de su menor principal (eliminar última fila y última columna). 0 −gx −gy −gz −gx Lxx Lyx Lzx H = −gy Lxy Lyy Lzy −gz Lxz Lyz Lzz Criterio ∆3 0 −gx −gy = −gx Lxx Lyx −gy Lxy Lyy I Si det(H)P < 0 y det(∆3 )P < 0, entonces el punto es un mínimo local. I Si det(H)P < 0 y det(∆3 )P > 0, entonces el punto es un máximo local. I Si det(H)P > 0 entonces el punto es un punto de ensilladura. I Si det(H)P = 0 entonces el criterio no es concluyente. Caso: Función de tres variables con dos restricciones Se forma la función Lagrangiano: L(x, y, z, λ1 , λ2 ) = f (x, y, z) − λ1 g(x, y, z) − λ2 h(x, y, z) Se requiere calular n = 3 − 2 = 1 un solo determinante: Criterio H = 0 0 −hx −hy −hz 0 0 −gx −gy −gz −hx −gx Lxx Lyx Lzx −hy −gy Lxy Lyy Lzy −hz −gz Lxz Lyz Lzz I Si det(H)P > 0, el punto es un mínimo local. I Si det(H)P < 0, el punto es un máximo local. I Si det(H)P = 0, el criterio no es concluyente.