Condicion de Segundo Orden para un Mnimo Global

Juan Carlos Giron Rojas

Universidad Nacional del Callao

1 of 18

Sumario

1. INTRODUCCION
2. MATRIZ HESSIANA
3. FORMULA DE TAYLOR DE SEGUNDO ORDEN
CONVEXA Y MINIMO
4. FUNCION

CONVEXA
5. PROPOSICION1:
HESSIANA Y FUNCION

CONVEXA Y MINIMO GLOBAL

6. PROPOSICION2:
FUNCION
DE SEGUNDO ORDEN PARA UN MINIMO
7. CONDICION
GLOBAL

2 of 18


INTRODUCCION
Mientras la prueba de la primera derivada identifica los puntos que
pueden ser extremos, esta prueba no distingue si un punto es mnimo,
maximo, o ninguno de los dos. Cuando la funci
on objetivo es dos
veces diferenciable, estos casos pueden ser distinguidos estudiando la
segunda derivada o la matriz de las segundas derivadas (llamada
matriz Hessiana) en problemas irrestrictos, o la matriz de las
segundas derivadas de la funci
on objetivo y las restricciones llamada
la frontera Hessiana en problemas restrictos.
Las condiciones que distinguen a los maximos, o mnimos, de otros
puntos estacionarios son llamadas condiciones de segundo orden. Si
un candidato a solucion satisface las condiciones de primer orden y las
condiciones de segundo orden tambien, es suficiente para establecer,
al menos, optimalidad local..
3 of 18

MATRIZ HESSIANA
Definici
on: Dada una funci
on real f : Rn R. Si todas las
segundas derivadas parciales de f existen, se define la matriz hessiana
2 f (x)
de forma
de f como: Hf (x), donde Hf (x)i,j =
xi xj
2f
x 2
21
f

Hf (x) := x2 x1
.
..

2f

xn x1

2f
x1 x2
2f
x22
..
.
2f
xn x2

...
...
..

...

2f
x1 xn

2f

x2 xn
.
..
.

2
f
xn2

Ademas,en virtud del teorema de Clairaut (

o teorema de Schwarz), es
una
matriz
sim
e
trica.
4 of 18

FORMULA DE TAYLOR DE SEGUNDO ORDEN

Teorema: Sea f : A Rn R una funci
on con derivadas parciales
segundas Dij f continuas en una n-Bola B(x) entonces para todo
y Rn tal que x + y B(x) se tiene:
f (x + y ) f (x) = f (x)y +

1
yHf (x + cy )y T , donde 0 < c < 1
2!

Esto puede escribirse tambien en la forma:

f (x + y ) f (x) = f (x)y +

1
yHf (x + cy )y T + ||y ||2 E2 (x, y ),
2!

En donde E2 (x, y ) 0 cuando y O

5 of 18

FORMULA DE TAYLOR DE SEGUNDO ORDEN

Prueba Mantegamos y fijo, definamos g (u) para u real mediante la
ecuacion g (u) = f (x + uy ) para 1 u 1 Entonces
f (x + y ) f (x) = g (1) g (0), probaremos el teorema aplicando la
f
ormula de Taylor de segundo orden a g en el intervalo [0, 1]
obteniendo
1
g (1) g (0) = g 0 (0) + g (c) donde 0 < c < 1
2!
Aqu hemos utilizado el resto de la forma de lagrange. Puesto que es
una funci
on compuesta dada por g (u) = f (r (u)), siendo
r (u) = x + uy podemos calcular su derivada mediante la regla de la
cadena. Tenemos r 0 (u) = y as que la regla de la cadena nos da:
g 0 (u) = f (r (u)).r 0 (u) = f (r (u)).y =

n
X
j=1

6 of 18

Dj f (r (u))yj

FORMULA DE TAYLOR DE SEGUNDO ORDEN

Con tal que r (u) B(x). En particular g 0 (0) = f (x).y . Aplicando
una vez mas la regla de la cadena encontramos
g 00 (u) =

n X
n
X

Dij f (r (u))yi yj = yH(r (u))y T

i=1 j=1

Luego g 00 (u) = yH(r (u))y T , definamos E2 (x, y )por la ecuacion

||y ||2 E2 (x, y ) =

1
y [H(x + cy ) H(x)]y T si Y 6= O
2!

y sea E2 (x, O) = 0. Entonces tenemos una ecuaci

on de la forma:
f (x + y ) f (x) = f (x)y +

1
yHf (x + cy )y T + ||y ||2 E2 (x, y ),
2!

Para completar la demostraci

on debemos probar que E2 (x, y ) 0
cuando y O, tambien tenemos que
7 of 18

FORMULA DE TAYLOR DE SEGUNDO ORDEN




 n n
X
X

1 
2
[Dij f (x + cy ) Dij f (x)]yi yj 
||y || E2 (x, y ) = 
2

i=1 j=1
n X
n
X

|Dij f (x + cy ) Dij f (x)| ||y ||2

i=1 j=1

Dividiendo por ||y ||2 obtenemos la desigualdad

|E2 (x, y )|

n X
n
X

|Dij f (x + cy ) Dij f (x)|

i=1 j=1

Para y 6= O, puesto que cada derivada parcial Dij f es continua en x,

tenemos Dij f (x + cy ) Dij f (x) cuando y O, as que
E2 (x, y ) 0 cuando y O. Esto completa la prueba.
8 of 18

 CONVEXA Y MINIMO
FUNCION
Definici
on: Sean A Rn , un conjunto no vaci
o y convexo y sea
f : A R se dice que f es una funci
on convexa si solo si se cumple
que:
f (x + (1 )y ) f (x) + (1 )f (y ),

[0, 1] y x, y A

Definici
on: Sea f : A Rn R una funci
on donde
Se dice que f alcanza en x A un mnimo local en A si existe una
bola B(x ) tal que
f (x ) f (x) , x B(x )
Se dice que f alcanza en x A un mnimo global en A tal que
f (x ) f (x) , x A
9 of 18

PROPOSICION1:
HESSIANA Y FUNCION
CONVEXA

Proposici
on Sea A Rn abierto y convexo y f : A Rn R una
funcion con derivadas parciales segundas Dij f en A cuyo hessiana es
semidefinida positiva en todo punto de A. Entonces f es convexa.

10 of 18

 HESSIANA Y FUNCION
CONVEXA
PROPOSICION:
Prueba: Dados x, y A y t [0, 1], probemos que f es convexa.
consideremos la funcion auxiliar g : [0, 1] R dada por
g (s) = f (sy + (1 s)x), donde se cumple que g (0) = f (x),
g (1) = f (y ) y g 00 (u) = Hf (sx + (1 s)y )(x y ) 0 para todo
s [0, 1]. El desarrollo de Taylor de g de orden 2 en el punto t nos
dice, para cada s [0, 1], existe [0, 1] tal que
g (s) g (t) + g 0 (t)(s t) + g 00 ()(s t)2 g (t) + g 0 (t)(s t)
Evaluando en s = 0 y s = 1, tenemos g (0) g (t) tg 0 (t) y
g (1) g (t) + (1 t)g 0 , luego tenemos que
(1 t)(g (0)) (1 t)(g (t) tg 0 (t)) y tg (1) t(g (t) + (1 t)g 0 )
tg (1)+(1t)(g (0) (1t)(g (t)tg 0 (t))+t(g (t)+(1t)g 0 ) = g (t)
11 of 18

PROPOSICION1:
HESSIANA Y FUNCION
CONVEXA

Reemplazamos g (t) = f (ty + (1 t)x), g (0) = f (x) y g (1) = f (y )

concluimos que
f (tx + (1 t)y ) tf (x) + (1 t)f (y ),
Donde probamos que f es convexa.

12 of 18

t [0, 1] y x, y A


CONVEXA Y MINIMO
PROPOSICION2:
FUNCION
GLOBAL
Proposici
on Sea A Rn convexo y : f : A Rn R si f es
convexa en A, todo mnimo local en A es global.
Prueba: Sea x A un mnimo local, probaremos que si f no alcanza
en x A un mnimo global, entonces no puede ser mnimo local:
Si x A no fuese mnimo global, se tendra para alg
un Y A
tendramos f (y ) < f (x). Como f es convexa en A se tiene

f (x + (1 )y ) f (x) + (1 )f (y ),

[0, 1] y x, y A

Ademas
f (x) + (1 )f (y ) < f (x) + (1 )f (x) = f (x)
13 of 18


CONVEXA Y MINIMO
PROPOSICION2:
FUNCION
GLOBAL

de donde concluimos
f (x + (1 )y ) f (x)
Es decir, en todos los puntos del segmento que une [y , x] , salvo el
mismo x , claro esta, f tomara valores inferiores a f (x) . Por tanto, x
no sera mnimo local. Una contradicci
on que surge de supones que x
no es un mnimo global.

14 of 18

 DE SEGUNDO ORDEN PARA UN

CONDICION
MINIMO GLOBAL

Proposici
on: supongamos que f (x) es una funci
on con segundas
derivadas parciales continuas Cuya Hessiana es semidefinida positiva
en todos los puntos de Rn . Demostrar Que cualquier punto crtico
del f (x) es un mnimo global del f(x).

15 of 18

 DE SEGUNDO ORDEN PARA UN

CONDICION
MINIMO GLOBAL
Prueba: Sea f : Rn R una funci
on con derivadas parciales
segundas Dij f continuas, sea una n-Bola B(x ) entonces para todo
y Rn tal que x + y B(x ) se tiene:
f (x + y ) f (x) = f (x )y +

1
yHf (x + cy )y T , donde 0 < c < 1
2!

Como f (x ) = 0
1
f (y + x ) f (x ) = yHf ((x + cy )y T
2
Ademas Hf (x + cy ) es semidefinida positiva
16 of 18

 DE SEGUNDO ORDEN PARA UN

CONDICION
MINIMO GLOBAL

f (y + x ) f (x ) 0
f (x) f (x ), x B(x ) donde x = x + y
Luego tenemos que x es un mnimizador local de B(x ), de la
proposici
on1 tenemos que f es convexa y de la proposici
on2

deducimos que x es un mnimizador global.

17 of 18

MUCHAS GRACIAS

18 of 18