Title | Criterio DE Primera Y Segunda Derivada Multivariable |
---|---|
Author | Isra López |
Course | Ingeniería de Diseño |
Institution | Universidad Nacional Autónoma de México |
Pages | 7 |
File Size | 416.4 KB |
File Type | |
Total Downloads | 38 |
Total Views | 167 |
Download Criterio DE Primera Y Segunda Derivada Multivariable PDF
CRITERIO DE PRIMERA Y SEGUNDA DERIVADA MULTIVARIABLE Criterio de la primera derivada multivariable El requisito de que �(x) sea continua y diferenciable, pues si no fuera continua, un punto solitario de discontinuidad podría ser un máximo local. En general, los máximos y mínimos locales de una función �(x) se estudian al examinar los valores de entrada �1 para los cuales �´(�1 ) = 0. Esto es porque siempre que la función sea continua y diferenciable, la recta tangente en máximos y mínimos se hará horizontal, es decir tendrá pendiente 0. Ahora bien, cuando una función es continua, diferenciable y multivariable, en un máximo o en un mínimo todas las derivadas parciales deber ser 0, es decir: ∂ f (x , y , z …) =0 ∂x ∂ f (x , y , z …) =0 ∂y ∂ f (x , y , z …) =0 ∂z Cuando se dice que todas las derivadas parciales son cero es lo mismo que decir que el gradiente en ese punto es el vector cero, es decir:
⟨
∂ f (x , y , z …) ∂ f ( x , y , z …) ∂ f (x , y , z …) , , ∂x ∂y ∂z ∇f (x , y , z )= ⟨ 0,0,0 ⟩ ∇f (x , y , z )=
⟩
Criterios de la segunda derivada El criterio de la segunda derivada parcial ayuda a verificar si este punto crítico es un máximo o mínimo locales, o un punto de silla, partiendo del cálculo del determinante del Hessiano como se muestra a continuación: Para dos variables.
[
d 2 f (x , y) d x2 Det ( H ( f ( x , y ) ) ) = 2 d f (x , y) dxdy
d 2 f (x , y ) dxdy
](
)(
)(
d 2 f (x , y ) d 2 f (x , y ) d 2 f (x , y ) = ∗ − dxdy d 2 f (x , y ) d x2 d y2 2 dy
)(
d 2 f (x , y) dxdy
Para una función dada:
[
]
f xx (x , y ) f yx (x , y) =f xx ( x , y )∗f yy ( x, y )−f yx ( x, y )∗f xy (x , y ) f xy (x , y ) f yy (x , y) Para emplear este método es necesario tener un punto � que se sustituya en el Hessiano. Entonces, el criterio de la segunda derivada parcial consiste en: Det ( H ( f ( x , y ) ) ) =
)
Si Det � < 0, entonces (�, �) es un punto silla Si Det � > 0, entonces (�, �) es un punto máximo o mínimo y se considera lo siguiente: Si ��� (�, �) < 0. (�, �) es un punto máximo local. Si ��� (�0, �) > 0. (�, �) es un punto mínimo local. Si � = 0, entonces no se tiene información suficiente para determinarlo. Representación gráfica máximos, mínimos y punto silla
Bibliografía. K. Academy, «Criterio de la segunda derivada parcial,» 2020. [En línea]. Disponible: https://es.khanacademy.org/math/multivariable-calculus/applications-ofmultivariablederivatives/optimizing-multivariable-functions/a/second-partialderivative-test. [Último acceso: 06 abril 2020]. Mora Flores,Walter. Cálculo en Varias Variables. 1ra ed, Escuela de Matemática, Instituto Tecnológico de Costa Rica. 2012. Ejercicio. El ejercicio de maximización no lineal f(x,y,z), cuya primera iteración se resolvió mediante sección aurea -terminar el algoritmo del método del gradiente para encontrar el punto máximo de dicha función f(x,y,z) �� �� ����� ������� (2,2,1) � �=1 2 2 2 f ( x , y , z ) =−3 x −2 xy−6 x −3 y −2 y−z
P (2,2,1) y S=1 ∂ f (x , y , z ) ∂ f (x , y, z) ∂ f (x , y , z ) , , ∇f = ∂x ∂y ∂z ∇f =⟨ (−6 x−2 y −6 ) , (−2 x −6 y−2 ) ,−2 z ⟩
⟨
⟩
∇f (P)=⟨ ( −6(2)−2(2 )− 6 ) , ( −2( 2)−6 ( 2)−2) ,−2(1)⟩ ∇f (P)= ⟨−22 ,−18 , −2 ⟩
|∇f |= √ (−22)2 +(−18)2 +(−2 )2
|∇f (P)|=28.49 56
v =¿−0.772049,−0.631676,−0.070186 > ¿
De donde, la función f(x, y, z) restringida a
P+t∗v queda:
g(t)=f ( x , y , z ) x =P x+t∗ v x y=P y+t∗v y z=P z+t∗v z
x=2+t∗−0.772049 y=2+t∗−0.631676 z=1+t∗−0.070186 2
g(x)=−3 (2+t∗−0.772049 ) −2(2+ t∗−0.772049 )(2+t∗−0.631676 )− 6(2+t∗−0.772049 )−3( 2+t∗− 0
g ( x )=−3.96059∗t +28.3552∗t−48.8646 2
T e n i e n d of u n c i ó nd eu n as o l av a r i a b l e , �, e n t o n c e ss el ea p l i c ae l mé t o d od el as e c c i ó nd o r a d a ( s e g u n d oe n f o q u e ) d el as i g u i e n t ema n e r a :
P(x,y,z) Y 2
X 2
Z 1
∇� x -22
y -18
z -2
‖∇ ∇ ∇‖ 28.4956137 Vector unitario -0.77205 -0.631676166 -0.070186241
Primera Iteración Determinación de la dirección de avance
x1
f(x1)
s
x3=x1+s
f(x3)
¿ f(x1) < f(x 3)?
0
-49
1
1
-24.4699
si
Ubicación
x1 0 1
f(x1) s x3=x1+s f(x3) -49 1 1 -24.4699 -24.4699 1.618123 2.618123 -1.57694
s= s/τ 1.618122977 2.61832197
x2=x3+s f(x 2) 2.618122977 -1.57694 5.236444947 -8.52033
f2≤f3 no si
Refinamiento
s 4.23677 2.61832 1.61812 1.00000 0.61800 0.38192 0.23603 0.14587 0.09015 0.05571 0.03443 0.02128 0.01315 0.00813 0.00502 0.00310 0.00192
x1 1.00000 2.61812 4.23625 3.23625 3.85425 3.47232 3.70835 3.56249 3.65263 3.61812 3.58374 3.60499 3.59692 3.58877 3.59186 3.59499 3.59381
f1 -24.46992 -1.57694 0.55002 1.68674 1.92041 2.13354 2.13838 2.18755 2.17708 2.18870 2.19089 2.19064 2.19116 2.19115 2.19122 2.19120 2.19122
x3 2.61812 3.61812 3.61812 3.61812 3.61812 3.61812 3.61812 3.61812 3.61812 3.59692 3.59692 3.59692 3.59186 3.59186 3.59381 3.59381 3.59305
f3 -1.57694 2.18870 2.18870 2.18870 2.18870 2.18870 2.18870 2.18870 2.18870 2.19116 2.19116 2.19116 2.19122 2.19122 2.19122 2.19122 2.19122
x2 5.23644 5.23644 2.61812 4.23625 3.23625 3.85425 3.47232 3.70835 3.56249 3.56249 3.61812 3.58374 3.58374 3.59692 3.59692 3.59186 3.59186
f2 -8.52033 -8.52033 -1.57694 0.55002 1.68674 1.92041 2.13354 2.13838 2.18755 2.18755 2.18870 2.19089 2.19089 2.19116 2.19116 2.19122 2.19122
t optima=3.59260 x nueva=P x+t optima∗v x y nueva=P y +t optima∗v y z nueva=P z+t optima∗v z
x nueva=2+3.59260∗−0.772049 y nueva=2+3.59260∗−0.631676 z nueva=1+3.59260 85∗−0.070186
x y z
Nuevas -0.773663444 -0.269360999 0.747848778
x4 3.61812 4.23625 3.23625 3.85425 3.47232 3.70835 3.56249 3.65263 3.59692 3.58374 3.60499 3.59186 3.58877 3.59381 3.59499 3.59305 3.59260
f4 2.18870 0.55002 1.68674 1.92041 2.13354 2.13838 2.18755 2.17708 2.19116 2.19089 2.19064 2.19122 2.19115 2.19122 2.19120 2.19122 2.19122
f3...