🧮 Computational Mathematics

Inicio · Parte 02 — Álgebra y funciones

054 — Funciones cuadráticas y parábolas

basico clase 14 de 20 4 horas demostración quadratic_function

El signo del coeficiente principal decide la concavidad, y el vértice es el extremo.

Fórmulas

f(x) = ax² + bx + c
xᵥ = −b/2a;  a > 0 ⟹ mínimo,  a < 0 ⟹ máximo

Desarrollo

La función cuadrática es el primer modelo con un extremo, y por eso es el ejemplo canónico de optimización. Todo lo que la parte 12 hace con funciones complicadas se puede visualizar aquí: hay un punto donde la derivada se anula, y el signo de la curvatura decide si es mínimo o máximo.

La concavidad la determina a: positivo abre hacia arriba y el vértice es un mínimo; negativo abre hacia abajo y es un máximo. En la parte 08 ese a se convertirá en el Hessiano, y «positivo» en «definido positivo», pero la lógica es idéntica.

La simetría respecto al eje vertical x = xᵥ es una propiedad estructural: f(xᵥ − h) y f(xᵥ + h) valen lo mismo para cualquier h. Comprobarlo numéricamente es una verificación barata de que el vértice se calculó bien.

Las cuadráticas son además el problema modelo de la optimización numérica porque su mínimo se conoce en forma cerrada. Toda la parte 12 usa f(x,y) = x² + 20y² como banco de pruebas precisamente por eso: se puede medir exactamente cuánto se aleja cada optimizador del óptimo conocido.

Ejemplo trabajado

Analizar f(x) = −x² + 6x − 5.

a = −1 < 0  →  abre hacia abajo, el vértice es un MÁXIMO

xᵥ = −6/(2·(−1)) = 3
yᵥ = −9 + 18 − 5 = 4

Simetría (h = 2):
  f(1) = −1 + 6 − 5 = 0
  f(5) = −25 + 30 − 5 = 0     ✓  iguales

raíces: −x² + 6x − 5 = 0 → x = 1, x = 5
punto medio: (1+5)/2 = 3 = xᵥ   ✓

Qué calcula el laboratorio

Vértice, eje de simetría y concavidad.

python classes/part-02-algebra-y-funciones/054-funciones-cuadraticas-y-parabolas/lab.py
compmath run 054

Salidas del laboratorio (8)

Muestra de la ejecución real

{
  "funcion": "f(x) = -x² + 6x - 5",
  "concavidad": "hacia abajo",
  "vertice": [
    3.0,
    4.0
  ],
  "eje_de_simetria": 3.0,
  "es_maximo": true,
  "f(xv-2)": 0.0
}

Errores comunes

Dónde se usa

Optimización cuadrática, ajuste por mínimos cuadrados, trayectorias balísticas y aproximación de segundo orden de cualquier función suave (Taylor, clase 151).

Idea rectora de la parte

El logaritmo convierte producto en suma: por eso aparece en toda función de pérdida.

Error a evitar

Aplicar log a valores no positivos sin declarar el dominio.

Conexión con IA

Una red neuronal es una composición de funciones parametrizadas. La sigmoide, la softmax y la log-verosimilitud son álgebra de exponenciales y logaritmos.

Bibliografía de la clase

Archivos de la clase