Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido: 23p
Estructura: 10p
Nota: 4,3
Proyecto 1
Versión Aplicada
-
- Universidad Adolfo Ibáñez
Abstract
-
- Abstract
-
- Conocer los máximos y mínimos de una función resulta ser información importante cuando se
habla de optimizar una función. Bajo el contexto de la asignatura que convoca, en el presente
informe se concentró en el cálculo de mínimos de funciones multivariadas, según el método
del gradiente. Para esto fue necesaria una investigación previa a través de diferentes fuentes
de internet, la cuál dio claridad para poder desarrollar los ejercicios propuestos. El grupo
logró comprender en su totalidad el cálculo de mínimos de funciones multivariadas por el
método del gradiente, pudiendo así dar respuesta a los cinco enunciados.
-
-
1
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- Universidad Adolfo Ibáñez Versión
aplicada
-
- Introducción y preliminares
-
2
- Resulta necesario, para la comprensión del presente informe, conocer algunos conceptos
básicos. Entender la derivación de funciones multivariables para luego profundizar en
elementos que se desprenden de ella, como el gradiente, vector de descenso y derivadas
parciales.
- En primer lugar, se debe saber si la función con la que se está tratando es derivable o no.
-
-
-
-
-
-
- Las derivadas parciales, corresponden a la derivadas de la función f (x) con respecto a cada
una de las variables. En este caso, se deriva con respecto a una variable y las otras son
consideradas como constantes. El gradiente será entonces, un vector donde sus componentes
3
son las derivadas parciales. Así mismo el vector de descenso será lo mismo que el gradiente
pero añadiendo un signo ‘menos’ relacionado al descenso de la función.
-
- Universidad Adolfo Ibáñez Ejercicio 1 - Versión
aplicada
-
- Desarrollo
-
- Ejercicio 1: Existen diversos métodos que se desprenden del método del gradiente, la
diferencia entre uno y otro es la forma de calcular la magnitud de paso α k en cada
iteración. Investigue y formule (sin demostrar) el método del máximo descenso.
Explique geométricamente el proceso.
-
- La explicación del método del máximo descenso parte por una base muy importante, que es
recordar que el gradiente es utilizado como vector en un punto x , que proporciona la
dirección de máxima variación de una función dada por f (x).
- Puesto que el gradiente dará la dirección del movimiento, esto no es suficiente, ya que se
necesitará la longitud de dicho movimiento, a este se le denomina longitud de paso, dado por
el escalar α k en la dirección Sk .
4
- Existen diversos métodos para el cálculo de la magnitud de paso α k , entre estos se destacan
dos, el primero dado por búsqueda unidireccional en la dirección del gradiente, y el otro que
gestiona la longitud de paso mediante cada iteración presentada. Para esto, existe una
contingencia, puesto que no se puede saber con exactitud que α k se debe usar, pero hay que
recordar que mediante las iteraciones se logrará encontrar este escalar, y estas iteraciones
terminarán cuando se encuentre el vector de descenso dado por (0,0), en el caso de (x , y ).
- Tras la explicación teórica de este método del gradiente, es necesario explicar brevemente los
pasos a seguir para poder encontrar el descenso máximo de f ( x) , dado por la siguiente
estructura,
- x k+1=x k −α k ∇ f ( x k ) , k ∈ N 0
-
-
- x k → Valor inicial, tiene que existir para z=f ( x , y ) en el caso de dos variables.
- Posterior a eso, se tendrá que efectuar el cálculo de las derivadas parciales en forma de,
5
-
∂ f (x ) +¿¿
- n=1,2,3 ,... → ∞
∂ xn
-
-
- x k+1=x k −α k ∇ f ( x k ) , k ∈ N 0
-
- Es importante recordar que el valor de α k puede ser fijo o calculado en cada iteración.
- Finalmente, se compara el valor obtenido x k+1 con el punto inicial x k , y para saber si el
proceso del método ha terminado, se tiene que verificar que la dirección de descenso en la k -
enésima iteración, sea nula, es decir, valor cero.
-
-
-
-
-
-
-
-
-
-
6
- Ejercicio 2: Establezca un ejemplo en donde aplique el método del máximo descenso
mostrando con detalle, en cada iteración, la magnitud del paso.
-
- Sea la función f: R2 → R, con dominio en todo R2, podríamos encontrar su mínimo aplicando
las iteraciones según el método del gradiente.
-
- En primer lugar, es necesario hallar el vector de descenso S 0.
7
- α 0=
18
-
-
-
-
-
7
- Universidad Adolfo Ibáñez Ejercicio 2 - Versión
aplicada
-
-
-
- Una vez encontrada la magnitud del paso para la primera iteración, se puede aplicar la
sucesión recursiva que implica el método del máximo descenso.
- (
−1 17
( x1 , y1 )= 3 , 6 )
-
- De esta forma, se da por finalizada la primera iteración, para encontrar el mínimo habría que
realizar los mismos pasos anteriores, pero ahora tomando como valor inicial (x 1, y1) hasta tal
punto en el que evaluar el punto en el gradiente de como resultado (0, 0). Para cada iteración
habrá que calcular una magnitud de paso nueva respetando la sucesión recursiva.
-
-
-
-
-
-
-
-
-
-
-
8
-
-
-
-
-
-
-
-
-
- Universidad Adolfo Ibáñez Ejercicio 3 - Versión
aplicada
-
- Ejercicio 3: Sea f : R n → R una función. Una forma de medir el error en cada iteración
k del método del máximo descenso es calculando e=¿∨∇ f ( x k )∨¿. Use el método
del máximo descenso para minimizar en R2 la función
- f ( x , y )=−20+3 x 2 + y 2,
- La diferencia es que en esta pregunta se presentan el error en cada iteración, este error se
presenta como el módulo de ∇ f (x k ), en esta ocasión que existen dos variables (x , y ) sería
de la siguiente manera,
- √(x 2 + y 2)
-
9
- La xy la y que muestra la fórmula provienen de ∇ f ( x k , y k ) .
- Al comenzar con la ecuación del máximo descenso, se obtuvo que ∇ f (x k , y k ) era igual a
−( 6 x , 2 y) ,esto es obtenido de las respectivas derivadas parciales de x y de yen la ecuación
dada f (x , y ) donde se reemplazan los respectivos x e y en cada iteración, al tener los
valores de ∇ f (x k , y k ) se puede obtener el error de la iteración con la fórmula mostrada
anteriormente.
- El ejercicio finalizará cuando el error sea e <10−1, en el caso que sea e >¿ 10−1 se tendrán
que realizar más iteraciones hasta obtener lo pedido.
- Se inicia con la primera iteración dada (−1.7,1 .7), con esta el objetivo es poder calcular el
∇ f (x k , y k ) y con los resultados de esto, calcular el error de la iteración respetando un error
e <10−1, en el caso que el error sea menor a dicho valor, se calculará la siguiente iteración
para así continuar con el mismo proceso y llegar a encontrar el error solicitado en el ejercicio,
siguiendo la ecuación del máximo descenso explicada en los ejercicios anteriores, los
resultado fueron los siguientes,
10
-
-
- Como se puede ver en la tabla, se tuvo que calcular el valor de 6 iteraciones para
posteriormente calcular sus respectivos ∇ f (x k , y k ) , y de esta manera, obtener el valor de los
errores, luego de utilizar la ecuación de máximo descenso 6 veces para seguir aproximándose
al resultado, se obtuvo que en la iteración número 6 se daría un valor de,
-
-
- como se puede ver, un error de 0.017<10−1 por lo que se acercó de manera significativa al
máximo descenso y el ejercicio quedaría resuelto.
-
- Ejercicio 4: Grafique los vectores gradientes de las primeras 7 iteraciones del método
del máximo descenso del ejercicio anterior, junto con algunas curvas de nivel de f
para notar la evolución del vector gradiente en el proceso numérico.
-
11
- Para facilitar el proceso de iteraciones en el método de máximo descenso, se creó un código
en el cual se va calculando paso por paso desde la función y punto inicial mencionados en el
Ejercicio 3, encontrando el vector gradiente, alpha y el próximo punto de la función. Luego
este mismo punto es el que se ocupa como inicial para la segunda iteración, así continúa hasta
que se completen las iteraciones que uno elige o si el vector gradiente es igual a 0. En este
caso se tomó la función y se llevaron a cabo 7 iteraciones a través de dicho método, estos
resultados son separados en 2 listas distintas las cuales serán ocupadas para graficar. Como se
puede ver llegando a las últimas iteraciones, prácticamente no se puede notar el cambio dado
que este ya está tendiendo a 0.
- Como se puede ver en el siguiente gráfico ( Fig . 1) , se crearon curvas de nivel en base de la
función previamente mencionada, a esto se le agregaron los vectores obtenidos a través del
método del gradiente.
- Fig . 1
-
-
-
-
-
-
-
-
-
12
- Como se puede observar el punto inicial (1.7 ,−1.79) , el código va iterando y buscando el
punto de mayor descenso, el cual se puede observar al final la iteración. En el caso de este
gráfico, se puede ver como los últimos 3 puntos son indistinguibles dado que los tres iteran
cercano a cero.
13
- Universidad Adolfo Ibáñez Ejercicio 5 - Versión
aplicada
-
-
- f (m ,b)=d ❑i
- f (m ,b)= y ❑i −mx❑i−b
- f (m ,b)=¿
- f (m ,b)=30 m2 + 4 b2 +20 mb−71276 m−19466 b+53575355
- De lo que se desprenden las derivadas parciales,
∂f
- =8 b+20 m−19466
∂b
∂f
- =60 m+20 b−71276
∂m
- Ahora, teniendo las derivadas parciales de las variables m∧ b, se busca S0 =−∇ f ( x 0) ,
lo cual corresponde al punto de máximo descenso.
- S0 =−∇ f ( x 0)⇒−∇ f (6 0 m+20 b−71276 , 8 b+20 m−19466)
- Posterior al cálculo de S0, se procede a determinar α mediante g ' ( α)=0 , en donde
0 0
g( α )=x +α ⋅ S , como se mencionó anteriormente.
- Se evaluará la gradiente en un punto aleatorio, en este caso, el punto
0
x =(2000 ,2000), ya que aquellos valores permiten que las derivadas parciales sean
positivas, lo que hace más cómodo trabajar.
∂f
- =8 b+20 m−19466=8 ⋅2000+20 ⋅2000−19466=36534
∂b
∂f
- =60 m+20 b−71276=60⋅2000+ 20⋅2000−71276=88724
∂m
- Lo que entrega S0 =(88724,36534)
- Por lo que,
0 0
- g( α )=x +α ⋅ S
15
- ⇒ g( α )=(2000 ,2000)+(88724 α , 36534 α )
- ⇒ g( α )=(2000+88724 α ,2000+ 36534 α )
- Teniendo aquello, reemplazamos en la función f (m ,b).
- f (m ,b)=30 m2 + 4 b2 +20 mb−71276 m−19466 b+53575355
- ⇒ f (2000+88724 α , 2000+36534 α )=¿
2 2
- 30 ⋅(2000+ 88724 α ) +4 ⋅(2000+36534 α ) + 20⋅(2000+88724 α)⋅ (2000+36534 α )
- Universidad Adolfo Ibáñez Ejercicio 5 - Versión
aplicada
-
- −71276 ⋅( 2000+ 88724 α )−19466⋅(2000+36534 α )+ 53575355
2
- g( α)=306326230224 α + 9206681332α +88091355
- Por hipótesis, se sabe que g ' (α )=0
- Entonces,
- g '( α)=306326230224 α 2+ 9206681332 α +88091355
- g '( α)=306326230224 α 2+ 9206681332 α +88091355
- 0=612652460448 α +9206681332
−2301670333
- α= ≈−0.01502757587
153163115112
- Ahora que se conoce el valor de α , se debe hallar (x k+1 )
- (x k+1 )=x k +α ❑k ⋅ Sk
16
- Mínimos cuadrados
- y=mx+b
Σy Σx
- b= −m
n n
ΣxΣy
Σxy−
n
- m=
2 Σ x2
Σx −
n
35638−( 10⋅ 9733)
4 7537
- m= = ≈ 502.46666
30 15
30−
4
- b=170.25−502.4666 ⋅2,5 ≈−1085.915
-
- Utilizando el método de mínimos cuadrados a partir de los puntos dados se obtiene la
recta y=502.4666 x−1085.915
- Universidad Adolfo Ibáñez Ejercicio 5 - Versión
aplicada
-
17
-
18
-
- Conclusión
-
-
-
- Posteriormente a la finalización en su totalidad del Proyecto 1 del ramo Cálculo
Multivariable, se puede concluir que se aprendió de manera significativa sobre el método del
máximo descenso o método del gradiente, a partir de videos e informes, se logró entender y
aplicar la fórmula, además de la ecuación que permitió desarrollar el proyecto de manera
óptima, y así poder dar respuesta a cada una de las preguntas.
- Habiendo logrado ampliar el conocimiento del grupo sobre este método, se abren más
preguntas, las cuales sería interesante investigar y dar respuesta, como por ejemplo ¿En qué
problemas de la vida cotidiana, o en qué cálculos de construcciones, se puede encontrar el
método del gradiente? ¿En donde se puede ocupar este método mencionado más a menudo?
-
-
-
-
-
-
-
-
-
-
-
-
-
19
-
-
-
-
-
-
-
-
-
-
- Universidad Adolfo Ibáñez
Referencias
- Referencias
-
- Lovero Rova, L. (2020, June 14). Método de la gradiente ascenso Y descenso máximo -
youtube. Método de la gradiente ascenso y descenso máximo. Retrieved April 12, 2022, from
https://www.youtube.com/watch?v=OZtuX3tbpoU
- Rodriguez, L. (2016). Método del gradiente de máximo descenso. Vista de Método del
Gradiente de Máximo Descenso. Retrieved April 12, 2022, from
http://www.revistas.espol.edu.ec/index.php/matematica/article/view/469/350
-
20