AYUDANTÍA TECNOLÓGICA #2

¿Cuál es la solución óptima del siguiente modelo?

A -3
B 5
C 8,5
D 5,5

¿Es convexo el dominio del siguiente problema?

A No
B Si
3

¿Es P) un problema convexo (f.o. y dominio convexos)?

A Si
B No

¿Cuál es el valor óptimo de P)?

A -3
B 5,5
C 7
D 3
5

¿Cuál es la solución óptima de P)?

A 5,5
B 3
C 1
D 7

¿Es convexo el dominio de P)?

A Si
B No
7 ¿Cuál de las siguentes curvas corresponde al de una función estrictamente
cuasiconvexa?
A

C
8.-
Comente la convexidad de: f ( x, y ) = 3 x2 + 2 y 2 − y 3 ¿Es o no convexa?

A Es convexa

B No lo es

C Depende

R:
6 0 
Es convexa para un cierto rango del dominio, Su función Hessiana es H =  .
0 4 − 3 y 
Por lo que es convexa para y ≤ 4 / 3 (estrictamente convexa para y < 4 / 3 ).

9.-
Comente la siguiente frase para un problema irrestricto: Para encontrar un mínimo global
basta con probar todos los mínimos locales y luego, evaluándolos en la función objetivo y
encontrando el menor valor, determinar cual de ellos es el mínimo global. ¿Verdadero o
falso?

R:
Falso, también se requiere revisar la frontera del dominio, para corroborar que la
función objetivo no se esté minimizando infinitamente

10.- Para el problema: uuv

M ax : f (X )
uuv
s .a . X ∈ R n
Se puede afirmar que si existe solución y la matriz Hessiana H(x) es definida positiva en
todo el dominio, entonces un mínimo local es global. ¿Verdadero o falso?

R:
La afirmación es verdadera, si H(x) es definida positiva en todo el dominio nos
aseguramos de la existencia de un solo mínimo local y de que la función no se minimiza
infinitamente en el borde del dominio.
11.-
El método de Newton al igual que el método del gradiente garantizan convergencia a un
mínimo global. ¿Verdadero o falso?

R:
La afirmación es falsa. El método del Gradiente garantiza convergencia a un mínimo
local, no global. Por otro lado el método de newton ni siquiera garantiza convergencia
a un mínimo local, de hecho este método sólo encuentra puntos críticos y, aún así, no
garantiza convergencia.
Ver ejemplo gráfico del método de newton que no converge:

12.-
En el método del gradiente la velocidad de convergencia depende exclusivamente de las
formas de las curvas de la función objetivo. ¿Verdadero o falso?.

R:
Falso, el método del gradiente al igual que el de newton dependen tanto de la forma de
las curvas de nivel, como del punto de partida establecido X 0

13.-
El método de newton en varias variables converge más rápido que el método del
Gradiente. ¿Verdadero o falso?

R:
La afirmación es falsa. El método de newton es una aproximación de segundo orden, es
decir tiene convergencia cuadrática, por lo que hace menos iteraciones que el método
del gradiente. Sin embargo, en el método del gradiente las iteraciones, si bien son más,
son más rápidas, debido a que no se necesita calcular la matriz inversa del Hessiano en
cada una. Luego la velocidad de convergencia es incierta y depende de cada problema
específico.
14.-
Dados el dibujo de las curvas de nivel en dos dimensiones. ¿Que punto escogería para
comenzar el método del gradiente?:

A
B
C
D
E

Nota:
Escogería C, ya que su dirección de máximo decrecimiento apunta directamente al punto
óptimo. Convergería en una iteración.