Mtodos en oceanografa fsica: III.

Anlisis espacial

Minimizacin de una funcin real

La funcin real de variable real de la figura tiene, en sus puntos interiores, dos mnimos, un mximo y un punto de inflexin. Todos estos puntos se llaman estacionarios y se caracterizan por tener pendiente nula, df /dx=0. La diferencia entre estos puntos viene dada por su curvatura local, determinada por el valor de la segunda derivada, d 2 f /dx 2 .

La curvatura es positiva en un mnimo, nula en un punto de inflexin y negativa en un mximo. Estos mismos criterios son los que permiten definir las condiciones de optimalidad a la hora de minimizar una funcin de coste. Es decir, las solucin que minimiza una funcin de coste debe se un punto estacionario de dicha funcin, es decir la derivada debe ser nula, y la segunda derivada debe ser positiva. Si se quisiera maximizar la funcin de coste, el punto estacionario debe tener segunda derivada negativa. Los puntos mnimos y mximos se conocen tambin como puntos extremos. Los extremos pueden ser locales o globales. En el ejemplo anterior slo existe un punto mximo en los puntos interiores. Dicho punto es un mximo global. Por el contrario, la funcin tiene dos puntos interiores que son mnimos. El punto 1 es el mnimo global y el punto 5 es un mnimo local. Cuando se consideran los puntos frontera, se les llama extremos locales dependiendo de la derivada de la funcin. En el caso en consideracin los puntos frontera tambin son mximos locales a pesar de no ser puntos estacionarios. Considerar la expansin de Taylor de la funcin J: J x = J x o

dJ dx

1 d2 J xx o 2 d x2 x= x
o

x x o O xx o
x= x o

Definimos las perturbaciones o cambios J = J x J x o x = x x o Si se desprecian los trminos de orden superior, la expansin de Taylor se escribe: J =

dJ dx

x
x=x o

1 d J 2 d x2

x2
x=x o

Ahora, si xo es un punto estacionario, la variacin local de J est completamente caracterizada por la derivada segunda: J = 1 d J 2 d x2

x2
x= x o

Una propiedad muy interesante del comportamiento alrededor de un extremo es que dicha funcin varia como una parbola respecto cualquier pequea perturbacin de x. Todos estos conceptos se pueden generalizar a una funcin real de variable vectorial, J x . Para dicha funcin, si se retienen los trminos hasta el segundo orden, la expansin de Taylor es: J =

J 1 2 J x x x 2 x 2 x

...

La primera derivada se conoce como el vector gradiente y la segunda derivada,

J Jxx = x2

2 J x2 1 2 J x2 x1 ... 2 J xn x1

2 J x1 x2 2 J 2 x2 ... 2 J xn x2

2 J x1 xn

2 J ... x2 xn , ... ... 2 J ... 2 xn

se conoce como matriz Hessiana. Para dichas funciones la condicin de estacionariedad requiere que el gradiente sea cero en todas las direcciones: J Jx = 0 x Para un punto estacionario, la matriz Hessiana determina la caracterstica de dicho punto. La forma cuadrtica x J x x x es: 1. Definida positiva para un mnimo. 2. Definida negativa para un mximo. 3. No definida positiva ni negativa para un punto de inflexin.