El gradiente: la flecha que sube · Cálculo vectorial: del gradiente a las ecuaciones de Maxwell · CO.DE Academy
Lección 3 de 12· Matemáticas
El gradiente: la flecha que sube
0 de 12 lecciones · 0 %
01 / 03
En los videos
1.3 El gradiente — las parciales 0.51 y 0.58 se encadenan como dos pasos y la flecha que cierra el camino mide 0.77.
Clips «Dos números, una flecha» y «La máxima subida» — de ocho direcciones del mismo largo gana la del gradiente, con 0.77; dos quedan en cero.
Clips «Perpendicular al nivel» y «La brújula del paisaje» — en cinco puntos el gradiente cruza el nivel en ángulo recto, y seguirlo lleva a una cima: 2.22 o 1.42 según desde dónde se salga.
Apuntar una antena sin mapa
Una estación terrena que sigue a un satélite no conoce de antemano el máximo exacto de su diagrama de radiación. Muchos sistemas de apuntamiento fino (el conical scan o los de «subir la colina» en Estaciones terrenas y SDR) hacen algo muy simple: miden la potencia recibida en unas pocas direcciones vecinas, estiman hacia dónde crece más y mueven la antena en ese sentido. Esa dirección privilegiada tiene un nombre: el gradiente de la potencia recibida.
Dos números, una flecha
El gradiente de f en un punto es el vector de sus derivadas parciales:
∇f(x,y)=(∂x∂f,∂y∂f).
En el punto del video, (0.2,−0.1), entre las dos colinas, las parciales valen 0.515 y 0.578. Su largo es
∣∇f∣=0.5152+0.5782=0.2651+0.3346=0.5997=0.774.
La derivada direccional
Para un rumbo dado por un vector unitario u^=(cosθ,sinθ), la subida del terreno es la derivada direccional
Demostración. Sea φ(t)=f(x0+tcosθ,y0+tsinθ). La derivada direccional es φ′(0). Por la regla de la cadena para funciones de varias variables,
φ′(0)=∂x∂fcosθ+∂y∂fsinθ=∇f⋅u^.■
Esto explica el abanico de la lección 2: la subida al noreste era justamente la combinación de las dos parciales con cos45∘ y sin45∘.
Las tres propiedades del gradiente
Escribiendo el producto punto con el ángulo α entre ∇f y u^:
Du^f=∣∇f∣∣u^∣cosα=∣∇f∣cosα.
De esta línea salen tres consecuencias.
Máxima subida. Como cosα≤1, la subida nunca supera ∣∇f∣, y la alcanza solo con α=0: el gradiente apunta hacia donde el terreno sube más rápido, y su largo es esa rapidez. En el video, de ocho direcciones gana la del gradiente con 0.77.
Máxima bajada. Con α=180∘ la subida es −∣∇f∣: −∇f es la dirección de descenso más rápido (la que usa el entrenamiento de redes neuronales en Inteligencia Artificial).
Perpendicular al nivel. Con α=90∘ la subida es cero. Y al revés: si r(t) recorre una curva de nivel, f(r(t))=c; derivando, ∇f⋅r′(t)=0. La tangente a la curva de nivel es perpendicular al gradiente. En el video se comprueba en cinco puntos: el peor producto punto entre gradiente y tangente sale 0.00.
Ejemplo resuelto: el cuenco
Con g(x,y)=x2+y2, ∇g=(2x,2y), que en (1,2) vale (2,4). Su largo, 4+16=20=4.472, es la máxima subida. En el rumbo u^=(3/5,4/5):
Du^g=2⋅53+4⋅54=56+516=4.4,
un poco menos que el máximo, porque u^ casi apunta como el gradiente: cosα=4.4/4.472=0.984, unos 10∘. Y el gradiente (2,4) apunta radialmente hacia fuera, perpendicular al círculo de nivel que pasa por (1,2), como debe.
En un punto, |∇f| = 0.8. ¿Cuál de estas subidas es imposible en algún rumbo?
La brújula: ascenso por gradiente
Seguir siempre la flecha es un algoritmo: pk+1=pk+η∇f(pk), con un paso η. En cada paso la altura sube (para η pequeño, f(pk+1)≈f(pk)+η∣∇f∣2), y el proceso se detiene donde ∇f=0: en un punto crítico. Desde (0.2,−0.1) se llega a la cima de 2.22; desde (−3,−2), a la colina baja de 1.42. El gradiente es una información local: lleva a la cima más cercana, no a la más alta.
En el laboratorio
La brújula del gradiente dibuja el abanico de N direcciones desde P, coloreadas por su subida, la flecha del gradiente y la tangente al nivel. A la derecha, la subida en cada rumbo frente a ∣∇f∣cos(θ−α): una sinusoide cuyo máximo cae en la dirección del gradiente. Pulsa «Seguir la brújula» desde distintos puntos y con distintos pasos.
El gradiente en Python
Playground · python
1 de 6
Qué deja fuera este modelo
Óptimos locales. El ascenso por gradiente no sabe que existe otra cima más alta. En problemas reales (apuntamiento con lóbulos secundarios, ajuste de modelos) se combina con varios arranques o con métodos globales.
El paso. Con η grande el camino zigzaguea y puede saltarse la cima; con η pequeño tarda mucho. Elegir η es un problema en sí mismo.
Puntos de silla. En ∇f=0 no siempre hay una cima: en x2−y2 el origen es una silla. Distinguir hace falta mirar las segundas derivadas (la matriz hessiana), que este curso no trata.
Hacia la lección 4
Si en cada punto del paisaje ponemos su gradiente, el plano entero se llena de flechas. Eso ya no es una función que devuelve un número, sino una que devuelve una flecha: un campo vectorial, el protagonista del módulo 2.
Laboratorio interactivo
La brújula del gradiente
Cierre de la lección
Lo que sigue: video
Sigue el recorrido de la lección paso a paso.
Crea una cuenta gratis para continuar
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Cálculo vectorial: del gradiente a las ecuaciones de Maxwell».