Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gradiente Newton
Gradiente Newton
I El problema:
(P ) min f (x)
x∈S
donde f : Rn →RyS⊆ Rn .
I El problema:
(P ) min f (x)
x∈S
|f (x̄) − f (x∗ )| ≤
kx̄ − x∗ k ≤
I El problema a estudiar:
(P ) min f (x)
x∈Rn
Definición
Un vector d 6= 0 se dice una dirección de descenso de f en x si
existe r > 0 tal que f (x + λd) < f (x) para todo 0 < λ ≤ r.
I Tenemos:
Proposición
Si d es tal que d> ∇f (x) < 0, entonces d es una dirección de
descenso en x.
La idea del Algoritmo de Descenso 9
4. Sea xk+1 = xk + λk dk , k ← k + 1, Go to 1.
Lo métodos de descenso principales: 10
Teorema
Si {x : f (x) ≤ f (x0 )} es acotado, entonces todo punto de
acumulación x∗ de la sucesión {xk }k generada por el algoritmo
satisface ∇f (x∗ ) = 0.
Método del Gradiente: velocidad de convergencia 12
Teorema
Si Q es definida positiva, entonces
2
∗ κ(Q) − 1
f (x k+1
) − f (x ) ≤ (f (xk ) − f (x∗ )), k = 1, 2 . . .
κ(Q) + 1
4. Sea xk+1 = xk + λk dk , k ← k + 1, Go to 1.
Teorema
Sea f dos veces continuamente diferenciable, x∗ un mı́nimo
local de f y tal que ∇2 f (x∗ ) sea definida positiva. Supongamos
además que existen r > 0 y L > 0 tales que
I Interpolación:
I Supongamos tenemos dos puntos, t1 , t2 tales que
conocemos h(t1 ), h(t2 ), h0 (t1 ).
I Se puede interpolar una función cuadrática y minimizar
esa.