Optimización. Búsqueda en una Dimensión ITESM. Búsqueda en una Dimensión Profr. E. Uresti - p. 1/19. Dr. E Uresti
|
|
- Ramona del Río Ríos
- hace 7 años
- Vistas:
Transcripción
1 Optimización Búsqueda en una Dimensión Dr. E Uresti ITESM Búsqueda en una Dimensión Profr. E. Uresti - p. 1/19
2 Algunos de los métodos numéricos de búsqueda de óptimos de una función en varias variables se basan en métodos de búsqueda de óptimos en una variable. Por ejemplo, el método de ascenso más rápido elige un punto dado y determina la dirección de máximo crecimiento en tal punto. Esta dirección es la del gradiente de la función en dicho punto. Así, y partiendo del punto y siguiendo esta dirección, avanza para localizar el óptimo en dicha dirección. Imaginese avanzando en línea recta y tomando en cuenta sólo la evaluación de la función para determinar el punto en la línea con la mayor evaluación. Una vez alcanzado este punto, se determina la dirección de máximo crecimiento en tal punto y se repite el proceso de búsqueda. Por su valor práctico, los métodos de búsqueda en una dimensión son dignos de revisar. B y Búsqueda en una Dimensión Profr. E. Uresti - p. 2/19
3 Previo a revisar los métodos, es importante saber si el óptimo que buscamos existe y que no habrá más de uno. Una función que efectivamente tiene un sólo óptimo recibe un nombre especial: Definición Una función es unimodal si sólo tiene un óptimo (relativo o absoluto). En caso que tenga varios óptimos se dice multimodal. B y Búsqueda en una Dimensión Profr. E. Uresti - p. 3/19
4 Unimodal Multimodal B y Búsqueda en una Dimensión Profr. E. Uresti - p. 4/19
5 Método de la Sección Dorada La estrategia de este método se basa en tres puntos iniciales: dos considerados los extremos de un intervalo (x 1 y x 2 ) y el tercero (x 3 ) entre los dos primeros de tal suerte que relación entre la distancia de este punto interno al extremo x 2 (x 2 x 3 ) y la distancia entre los extremos (x 2 x 1 ) es siempre una constante: B y x 2 x 3 x 2 x 1 = = τ = Note que el punto x 3 divide al segmento [x 1 : x 2 ] en dos partes: la parte [x 1 : x 3 ] es más pequeña que la parte [x 3 : x 2 ]: el segmento [x 3 : x 2 ] es el % de [x 1 : x 2 ], mientras que [x 1 : x 3 ] tiene una longitud que es el %. x 1 x 3 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 5/19
6 El método itera generando un siguiente punto x 4 en [x 3 : x 2 ] (la parte más amplia) de manera que se cumple: x 4 x 1 x 2 x 1 = τ B y Note que las fórmulas convenientes para el cálculo de x 3 y x 4 son: x 4 = (1 τ)x 1 +τ x 2. y x 3 = τ x 1 +(1 τ)x 2. Y la razón es porque en estas fórmulas no se requiere que x 1 < x 2. x 1 x 3 x 4 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 6/19
7 Observemos las siguientes razones: x 4 x 1 x 2 x 1 = ((1 τ)x 1+τ x 2 ) x 1 x 2 x 1 = τ x 2 τ x 1 x 2 x 1 = τ B y x 2 x 3 x 2 x 1 = x 2 (τ x 1 +(1 τ)x 2 ) x 2 x 1 = τ x 2 τ x 1 x 2 x 1 = τ x 3 x 1 x 4 x 1 = (τ x 1+(1 τ)x 2 ) x 1 (1 τ)x 1 +τ x 2 x 1 = (1 τ)(x 2 x 1 ) τ (x 2 x 1 ) = 1 τ τ = τ x 2 x 4 x 2 x 3 = x 2 ((1 τ)x 1 +τ x 2 ) x 2 τ x 1 (1 τ)x 2 = (1 τ)(x 2 x 1 ) τ (x 2 x 1 ) = 1 τ τ = τ Búsqueda en una Dimensión Profr. E. Uresti - p. 7/19
8 I 1 I 4 I 5 I 2 I 3 τ = I 3 I 1 = I 4 I 1 = I 2 I 4 = I 5 I 3 = I 6 1 τ = I 2 I 1 = I 5 I 1 = I 6 I 4 = I 6 I 3 = x 3 x 1 x 4 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 8/19
9 Dependiendo de la función a maximizar, el algoritmo escoge tres puntos de los cuatro disponibles de manera que la situación se repite en las proporciones de los intervalos. En general, si I i es la longitud del intervalo en la iteración i se cumple que: B y I n = τ n 1 I 1 Por tanto, conociendo el intervalo inicial (I 1 ) y sabiendo a qué precisión se desea estimar el punto (I n ), es fácil estimar el total de iteraciones requeridas para que este método se aproxime al valor requerido: n = 1+ ln(i n) ln(i 1 ) ln(τ) Búsqueda en una Dimensión Profr. E. Uresti - p. 9/19
10 Ubicación del Intervalo El método de la sección dorada requiere de la ubicación de los tres primeros puntos x 1, x 2 y x 3 como se describen anteriormente. Cuando el método se aplica a la determinación de un máximo de una función f(x), los puntos deben satisfacer: B y f(x 1 ) < f(x 3 ) y f(x 3 ) f(x 2 ). Es decir, la función sube y cae. Al procedimiento para encontrar tales puntos recibe el nombre de Ubicación del Intervalo de Trabajo (). x 1 x 3 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 10/19
11 La estrategia inicia a partir de un punto x 1 y teniendo un incremento de x inicial s. Se genera un siguiente punto x 3 = x 1 +s. Si f(x 1 ) f(x 3 ) habrá que buscar hacia atrás cambiando intercambiando los puntos y el signo del incremento. Si f(x 1 ) < f(x 3 ), el incremento se agranda en la proporción τ por medio de la fórmula s = s/τ. B y f(x 1 ) < f(x 3 ) f(x 1 ) f(x 3 ) x 1 x 3 x 3 = x 1 x 1 = x 3 s = s Búsqueda en una Dimensión Profr. E. Uresti - p. 11/19
12 Un siguiente punto se genera hacia adelante x 2 = x 3 +s. Si f(x 3 ) f(x 2 ) los tres puntos buscados están determinados. Si f(x 3 ) < f(x 2 ), entonces el procedimiento se repite tomando x 1 = x 3, x 2 = x 3 y s = s/τ. Observe que el intervalo de bracketing va creciendo en la proporción 1/τ ( 1.618). B y f(x 3 ) f(x 2 ) f(x 3 ) < f(x 2 ) τ s s τ s s s/τ x 1 x 3 x 2 x 1 x 3 x 2 x 1 x 3 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 12/19
13 Crecimiento del intervalo de f(x 1 ) < f(x 3 ) f(x 3 ) f(x 2 ) f(x 1 ) f(x 3 ) f(x 2 ) (1+ 1 τ )s s 1 τ s x 1 x 3 x 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 13/19
14 Algoritmo Basado en la Sección Dorada [1.] Inicie con un punto x 1 y un incremento s; tome f 1 f(x 1 ). [2.] Tome x 3 x 1 +s y f 3 f(x 3 ). [3.] Si (f 1 > f 3 ), intercambie (x 1,f 1 ) y (x 3,f 3 ) y tome s s. [4.] Tome s s/τ, x 2 x 3 +s, y f 2 f(x 2 ). [5.] Si (f 3 > f 2 ), vaya a [7.] [6.] Tome (x 1,f 1 ) (x 3,f 3 ) y (x 3,f 3 ) (x 2,f 2 ) y vaya a [4.] [7.] Tome x 4 (1 τ)x 1 +τ x 2 y f 4 f(x 4 ). [8.] Si (f 3 f 4 ), tome (x 2,f 2 ) (x 1,f 1 ) y (x 1,f 1 ) (x 4,f 4 ); vaya a [10.] [9.] Tome (x 1,f 1 ) (x 3,f 3 ) y (x 3,f 3 ) (x 4,f 4 ); [10.] SiCriterio de paro = OK, termine; caso contrario vaya a [7.] B y Búsqueda en una Dimensión Profr. E. Uresti - p. 14/19
15 Casos en la comparación de f 4 vs f 3 I 1 I 4 I 5 I 2 I 3 I 1 I 4 I 5 I 2 I 3 x 1 x 3 x 4 x 2 x 1 x 3 x 4 x 2 x 1 x 3 x 2 x 2 x 3 x 1 Búsqueda en una Dimensión Profr. E. Uresti - p. 15/19
16 Aplique el algoritmo anterior para encontrar el máximo de la función f(x) = x 2 1 partiendo de x 1 = 1 y con un primer intervalo de s = 0.5. B y Búsqueda en una Dimensión Profr. E. Uresti - p. 16/19
17 Aplique el algoritmo anterior para encontrar el máximo de la función f(x) = x 2 1 partiendo de x 1 = 1 y con un primer intervalo de s = 0.5. B y Determinación de la dirección de avance x 1 f(x 1 ) s x 3 = x 1 + s f(x 3 ) f(x 1 ) < f(x 3 )? sí Búsqueda en una Dimensión Profr. E. Uresti - p. 16/19
18 Aplique el algoritmo anterior para encontrar el máximo de la función f(x) = x 2 1 partiendo de x 1 = 1 y con un primer intervalo de s = 0.5. B y Determinación de la dirección de avance x 1 f(x 1 ) s x 3 = x 1 + s f(x 3 ) f(x 1 ) < f(x 3 )? sí Ubicación x 1 f(x 1 ) s x 3 f(x 3 ) s = s/τ x 2 = x 3 + s f(x 2 ) f 2 f no sí Búsqueda en una Dimensión Profr. E. Uresti - p. 16/19
19 Aplique el algoritmo anterior para encontrar el máximo de la función f(x) = x 2 1 partiendo de x 1 = 1 y con un primer intervalo de s = 0.5. B y Determinación de la dirección de avance x 1 f(x 1 ) s x 3 = x 1 + s f(x 3 ) f(x 1 ) < f(x 3 )? sí Ubicación x 1 f(x 1 ) s x 3 f(x 3 ) s = s/τ x 2 = x 3 + s f(x 2 ) f 2 f no sí Refinamiento s x 1 f(x 1 ) x 3 f(x 3 ) x 2 f(x 2 ) x 4 = (1 τ)x 1 + τ x 2 f(x 4 ) Búsqueda en una Dimensión Profr. E. Uresti - p. 16/19
20 Encuentre el punto óptimo (máximo) por el método de Mayor Ascenso combinado con el método de la sección dorada a las funciones: f(x,y,z) = 3x 2 2xy 6x 3y 2 2y z 2 B y Partiendo de P(2,2,1) y tomando s = 1 en cada aplicación de la sección dorada. Búsqueda en una Dimensión Profr. E. Uresti - p. 17/19
21 Encuentre el punto óptimo (máximo) por el método de Mayor Ascenso combinado con el método de la sección dorada a las funciones: f(x,y,z) = 3x 2 2xy 6x 3y 2 2y z 2 B y Partiendo de P(2,2,1) y tomando s = 1 en cada aplicación de la sección dorada. Solución La dirección de máximo crecimiento es la del gradiente: f =< 6x 2y 6, 2x 6y 2, 2z > Así f(p) =< 22, 18, 2 >; por tanto, la dirección unitaria de máximo crecimiento es: v =< , , >. De donde, la función f(x,y,z) restringida a P +t v queda: g(t) = f(x = P 1 +tv 1,y = P 2 +tv 2,z = P 3 +tv 3 ) = t t 2 Búsqueda en una Dimensión Profr. E. Uresti - p. 17/19
22 Apliquemos ahora el método de la sección dorada a partiendo de t = 0 y con s = 1. g(t) = t t 2 B y Búsqueda en una Dimensión Profr. E. Uresti - p. 18/19
23 1. Use el método de la sección dorada para determinar con una tolerancia de 0.05 la solución óptima de : Max x 2 +2x Sujeto a 3 x 5 B y 2. Use el método de la sección dorada para determinar con una tolerancia de 0.05 la solución óptima de : Max x e x Sujeto a 1 x 3 3. Encuentre el punto máximo por el método de Mayor Ascenso combinado con el método de la sección dorada a las funciones: a) f(x,y) = (x 3) 2 (y 1) 2 partiendo de P(2,2) y tomando s = 1 en cada aplicación de la sección dorada. b) f(x,y) = 3x 2 2xy 6x 3y 2 2y 3 partiendo de P(2,2) y tomando s = 1 en cada aplicación de la sección dorada. Búsqueda en una Dimensión Profr. E. Uresti - p. 19/19
Optimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx Búsqueda Exhaustiva El primer método de
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesAnálisis Numérico: Soluciones de ecuaciones en una variable
Análisis Numérico: Soluciones de ecuaciones en una variable MA2008 Contexto Uno de los problemas básicos en el área de Ingeniería es el de la búsqueda de raíces: Dada una función o expresión matemática
Más detallesOptimización. Optimización Con Restricciones de Igualdad ITESM. Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31. Dr.
Optimización Optimización Con Restricciones de Igualdad Dr. E Uresti ITESM Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31 ducción En esta lectura veremos el problema de optimizar
Más detallesSOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES EL PROBLEMA DE OBTENER LOS CEROS O RAÍCES DE UNA ECUACIÓN ALGEBRAICA O TRASCENDENTE, ES UNO DE LOS REQUERIDOS MAS FRECUENTEMENTE, DEBIDO A ELLO
Más detallesOCW-V.Muto El algoritmo de bisección Cap. VI CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO
CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO En este capítulo comenzaremos a analizar uno de los problemas más básicos del análisis numérico: el problema de búsqueda de raíces. El problema
Más detalles310. T. P. Versión 1 Trabajo Práctico 1/5 Lapso
310. T. P. Versión 1 Trabajo Práctico 1/5 UNIVERSIDAD NACIONAL ABIERTA ÁREA DE INGENIERÍA CARRERA INGENIERÍA DE SISTEMAS TRABAJO PRÁCTICO: ASIGNATURA: OPTIMIZACIÓN NO LINEAL CÓDIGO: 310 FECHA DE ENTREGA
Más detallesCÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES. Por Frednides Guillén
CÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES Por Frednides Guillén MÉTODO DE BISECCIÓN Este método consiste en hallar los ceros de una función continua f(). Primero se debe considerar un intervalo [ i,
Más detallesPráctica 1. Introducción a la optimización mediante herramienta MS Excel Solver (I)
Ingeniería de Telecomunicación Planificación Avanzada de Redes de Comunicaciones Curso 2006-2007 Pablo Pavón Mariño Práctica 1. Introducción a la optimización mediante herramienta MS Excel Solver (I) Objetivos
Más detallesMATE1207 Primer parcial - Tema B MATE-1207
MATE7 Primer parcial - Tema B MATE-7. Si su respuesta y justificación son correctas obtendrá el máximo puntaje. Si su respuesta es incorrecta podrá obtener créditos parciales de acuerdo a su justificación.
Más detallesMATE1207 Primer parcial - Tema A MATE-1207
MATE7 Primer parcial - Tema A MATE7. Si su respuesta y justificación son correctas obtendrá el máximo puntaje. Si su respuesta es incorrecta podrá obtener créditos parciales de acuerdo a su justificación.
Más detallesApuntes de Computación Científica I 1. Optimización
Apuntes de Computación Científica I Optimización 1. Optimización Maximización (de beneficios, flujo,...) o minimización (de costes, recursos, error,...) de una función f(x) Maximizar f(x) es minimizar
Más detallesOptimización. Optimización Sin Restricciones ITESM. Optimización Sin Restricciones Profr. E. Uresti - p. 1/38. Dr. E Uresti
Optimización Optimización Sin Restricciones Dr. E Uresti ITESM Optimización Sin Restricciones Profr. E. Uresti - p. 1/38 En esta sección se verá un método analítico para optimizar una función real en el
Más detallesÁlgebra Matricial y Optimización Ma130
Álgebra Matricial y Optimización Ma130 Elementos de Cálculo en Varias Variables Departamento de Matemáticas ITESM Elementos de Cálculo en Varias Variables Ma130 - p. 1/47 En esta lectura se dará una revisión
Más detallesOptimización. Condiciones de Karush-Kuhn-Tucker ITESM. Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30. Dr. E Uresti
Optimización Condiciones de Karush-Kuhn-Tucker Dr. E Uresti ITESM Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30 Las condiciones necesarias que deben satisfacer los óptimos de problemas de
Más detallesDada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación
Tema 8 Ceros de funciones Versión: 23 de abril de 2009 8.1 Introducción Dada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación f(x) = 0. (8.1) La
Más detallesEcuaciones No-Lineales y raices polinomiales
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Ecuaciones No-Lineales y raices polinomiales Prof: J. Solano 2012-I Introduccion En Física a menudo nos encontramos con
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas ITESM Métodos Iterativos para Resolver Sistemas Lineales Álgebra Lineal - p. 1/30 En esta lectura veremos
Más detallesObjetivos. El alumno conocerá y aplicará el concepto aproximación numérica. Conocerá y resolverá, utilizando la computadora, ecuaciones algebraicas.
Objetivos El alumno conocerá y aplicará el concepto aproimación numérica. Conocerá y resolverá, utilizando la computadora, ecuaciones algebraicas. Al final de esta práctica el alumno podrá: 1. Calcular
Más detallesCAPÍTULO 3. GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica.
CAPÍTULO 3 GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica. Estos problemas se aplican en distintas áreas, tales como:
Más detallesUNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA. CLAVE V _sR
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA CLAVE-116-1-V-2-00-2017_sR CURSO: SEMESTRE: Segundo CÓDIGO DEL CURSO: 116 TIPO DE EXAMEN: Primer Examen Parcial
Más detallesÁreas entre curvas. Ejercicios resueltos
Áreas entre curvas Ejercicios resueltos Recordemos que el área encerrada por las gráficas de dos funciones f y g entre las rectas x = a y x = b es dada por Ejercicios resueltos b a f x g x dx Ejercicio
Más detallesOCW-V.Muto El método de la Secante Cap. VIII CAPITULO VIII. EL METODO DE LA SECANTE 1. INTRODUCCION Y METODO
CAPITULO VIII. EL METODO DE LA SECANTE 1. INTRODUCCION Y METODO Utilizando los supuestos de los capítulos anteriores, daremos en este capítulo un procedimiento más rápido para hallar una raíz p de la ecuación
Más detallesPAUTA C1. ] si z [x, , y] si z ( 2 )] si z [x, x ( x+y. 2 ] si z ( x ( x+y. )] si z [( ( y x+y
MA3701 - Optimización, Primavera 018 Profesores: J. Amaya, V. Acuña PAUTA C1 P1.a) Sea C un subconjunto de IR n. Se dice que es un convexo de punto medio si para cada par x, y C se tiene que 1 x + 1 y
Más detallesCONVEXIDAD DE CONJUNTOS.-
CONVEXIDAD DE CONJUNTOS.- Conjunto convexo Conjunto no convexo No lo es ya que se trata de la circunferencia de centro (0,0) y radio 1. Dos puntos de ella, por ejemplo, son los de coordenadas (1, 0) y
Más detalles7. PROGRAMACION LINEAL
7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detalles3. Métodos de resolución
1 3. Métodos de resolución Ecuaciones algebraicas lineales Ecuaciones algebraicas no lineales Métodos para una variable Métodos para multivariable 2 Ecuaciones Algebraicas Lineales No lineales Interval
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2000-2.001 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro
Más detallesEjercicios Propuestos Tema 2
Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las
Más detalles4.- Búsqueda de raíces Agosto-Diciembre Dr. Servando López Aguayo
4.- Búsqueda de raíces Agosto-Diciembre 2017 Dr. Servando López Aguayo En la clase anterior Terminaron su entrenamiento Padawan de Matlab. Veamos: dudas sobre Matlab? En esta clase Empezamos finalmente-
Más detallesLic. Guillermo Mario, Chuquipoma Pacheco.
UNSAAC Lic. Guillermo Mario, Chuquipoma Pacheco mariochuqui@hotmail.com www.mariochuqui.jimdo.com Métodos Numéricos Lic. Guillermo Mario Chuquipoma Pacheco 2010 Método de Bisección MÉTODO DE BISECCIÓN
Más detallesPráctica 3. Resolución de ecuaciones no lineales mediante métodos numéricos
Grado en Ciencia y Tecnología de los Alimentos Fundamentos de Ingeniería de los Alimentos Práctica 3 Resolución de ecuaciones no lineales mediante métodos numéricos .- Método de tanteo Se emplea en ecuaciones
Más detallesSOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES EL PROBLEMA DE OBTENER LOS CEROS O RAÍCES DE UNA ECUACIÓN ALGEBRAICA O TRASCENDENTE, ES UNO DE LOS REQUERIDOS MAS FRECUENTEMENTE, DEBIDO A ELLO
Más detallesUniversidad Nacional de Ingeniería UNI-RUACS 01/09/11
Universidad Nacional de Ingeniería UNI-RUACS 01/09/11 Elaborado por: Deall Daniel Irías Estelí, Nicaragua El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso.
Más detallesCÁLCULO PARA LA INGENIERÍA 1
CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!
Más detallesMétodo lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es.
Método lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es Entonces, Λ = Y0 J 1 = f g f Λ g = 0 Esta ecuación satisface las condiciones necesarias
Más detallesPráctica 3 Métodos de búsqueda para funciones de varias variables
Práctica 3 Métodos de búsqueda para funciones de varias variables Método de Hooke & Jeeves Este método data de 1961 y consiste en tres tipos de procedimientos: exploración, cambio de punto base y movimiento
Más detallesSolución de ecuaciones algebraicas y trascendentes: Método de Newton Raphson
Solución de ecuaciones algebraicas y trascendentes: Método de Newton Raphson Ing. Jesús Javier Cortés Rosas M. en A. Miguel Eduardo González Cárdenas M. en A. Víctor D. Pinilla Morán * 2011 Resumen Introducción.
Más detallesÚltimas notas de SVD
Últimas notas de SVD MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Salvador Botello CIMAT A.C. e-mail: botello@cimat.mx Relación entre los valores singulares
Más detallesUnidad III Teoría de la Dualidad.
Curso de investigación de operaciones http://www.luciasilva.8k.com/5.5.htm Unidad III Teoría de la Dualidad. III.1 FORMULACIÓN DEL PROBLEMA DUAL La Teoría de la Dualidad es una de las herramientas que
Más detallesTema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Más detalles1. Método de bisección
Cálculo Infinitesimal y Numérico. E.T.S. de Ingeniería Informática. Universidad de Sevilla 1 Tema 1: resolución de ecuaciones. Ejercicios y Problemas Nota: Abreviación usual en estos ejercicios: C.D.E.
Más detallesFUNCIÓN. La Respuesta correcta es D
FUNCIONES FUNCIÓN La Respuesta correcta es D FUNCIÓN Función Continua: Es aquella en la que su gráfica se puede recorrer en forma ininterrumpida en toda su extensión. FUNCIÓN Función Discontinua: Es aquella
Más detallesTema 2. Fundamentos Teóricos de la. programación dinámica Teorema de Optimalidad de Mitten
Tema 2 Fundamentos Teóricos de la Programación Dinámica 2.1. Teorema de Optimalidad de Mitten El objetivo básico en la programación dinámica consiste en descomponer un problema de optimización en k variables
Más detallesCuadratura de Newton-Cotes
Profesor: Jaime Álvarez Maldonado Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación INTEGRACION NUMERICA Ayudante: Rodrigo Torres Aguirre INTEGRACION
Más detallesSolución de ecuaciones algebraicas y trascendentes: Conceptos generales
Solución de ecuaciones algebraicas y trascendentes: Conceptos generales Ing. Jesús Javier Cortés Rosas M. en A. Miguel Eduardo González Cárdenas M. en A. Víctor D. Pinilla Morán * 2011 Resumen Definición
Más detalles(3 p.) 3) Se considera la superficie z = z(x, y) definida implícitamente por la ecuación. 3x 2 z x 2 y 2 + 2z 3 3yz = 15.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 2012/2013 21 de junio de 2013 4 p.) 1) Se considera la función fx) = x 4 e 1 x 2. a) Calcular los intervalos de
Más detallesMétodo de la secante
1.5em 0pt Método de la secante Azcatl Gabriela Huitzil Santamaría Natalia Benemerita Universidad Autónoma de Puebla Facultad de Ciencias Física Matemáticas 21/05/2018 zcatl Gabriela, Huitzil Santamaría
Más detallesAnálisis II Análisis matemático II Matemática 3.
1 Análisis II Análisis matemático II Matemática 3. 1er. cuatrimestre de 2015 Práctica 1 - urvas, integral de longitud de arco e integrales curvilíneas. urvas Ejercicio 1 1. Probar que x 1 (t) = r cos(2πt),
Más detallesSección 2.5. Gráficas de Funciones Transformaciones en el plano
Sección 2.5 Gráficas de Funciones Transformaciones en el plano Funciones Pares e Impares Las funciones se clasifican como pares o impares dependiendo del tipo de simetría que reflejan sus gráficas. Terminología
Más detallesTema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Más detallesOptimización. Matrices de Proyección ITESM. Matrices de Proyección Profr. E. Uresti - p. 1/21. Dr. E Uresti
Optimización Matrices de Dr. E Uresti ITESM Matrices de Profr. E. Uresti - p. 1/21 ortogonal Teorema Sea Y una matriz m n y un espacio lineal V de dimensión r, ambos dentro de un espacio lineal U. de un
Más detallesCURSO DE METODOS NUMERICOS Año Académico Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO
Año Académico 2000-2001 Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO 1. Dá el enunciado y demuestra el teorema de convergencia del método del punto fijo. (2 puntos) 2. Resuelve el siguiente sistema
Más detallesTema 6. Optimización. x, y 0
Tema 6 Optimización 1. Aproximar el mínimo de la función f (x, y =2x 2 + y 2. Utilizar el punto (1,1 como punto inicial. a Utilizarelmétododelgradiente.Realizardositeraciones. (sol: (x 1,y 1 =( 1/9, 4/9,
Más detallesMétodos Numéricos (SC 854) Interpolación
Interpolación c M. Valenzuela 2007 2008 (26 de febrero de 2008) 1. Definición del problema de interpolación Dada una tabla de valores (x i,f i ) se desea estimar f(x) para valores de x que no se encuentran
Más detallesMATE 3013 DERIVADAS Y GRAFICAS
MATE 3013 DERIVADAS Y GRAFICAS Extremos relativos La función f tiene un máximo relativo en el valor c si hay un intervalo (r, s), que contiene a c, en el cual f(c) f(x) para toda x entre r y s. Si además,
Más detalles2. Encuentra y analiza TODOS los puntos críticos de la función
Nombre: Matrícula: Indicaciones: Este quiz consta de 5 reactivos, cada uno con un valor de 20 puntos. Cada ejercicio debe tener procedimiento ordenado y completo que justifique adecuadamente la respuesta
Más detallesResolución numérica de ecuaciones no lineales
Resolución numérica de ecuaciones no lineales Son muchas las situaciones en las que se presenta el problema de obtener las soluciones de ecuaciones de la forma f(x) = 0. En algunos casos existe una fórmula
Más detallesFunciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria. Teorema de los valores extremos.
Funciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria.. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 Índice
Más detallesSolución de ecuaciones no lineales con una variable.
Solución de ecuaciones no lineales con una variable. Definición del problema:el problema se puede expresar de la siguiente manera: encontrar el valor de x * tal que f x =0. Cuando en f hay términos no
Más detallesDiez ejemplos de clasificación de puntos críticos cuando el hessiano es nulo.
Diez ejemplos de clasificación de puntos críticos cuando el hsiano nulo. 1. Consideramos el campo calar f(x, y) = x 2 y 3 definido sobre R 2. Su gradiente f(x, y) = ( 2xy 3, 3x 2 y 2), y los puntos críticos
Más detallesAlgoritmos de ordenación básicos
Algoritmos de ordenación básicos por Iván Cruz Cuando tratamos de resolver algunos problemas haciendo uso de la programación estructurada, en ocasiones es necesario poder ordenar un conjunto de datos.
Más detallesPRÁCTICA No. 2 RAÍCES DE ECUACIONES CON MÉTODOS ABIERTOS
PRÁCTICA No. 2 RAÍCES DE ECUACIONES CON MÉTODOS ABIERTOS OBJETIVO EDUCACIONAL Determinar la raíz de una función mediante métodos abiertos, los cuales se han visto en clase, utilizando Excel para que el
Más detalles1. El sistema: F(x,y,z) = =
> 1. El sistema: F(x,y,z) = = Define implícitamente a la función (y, z) =f(x) en un entorno del punto x0=1. Encuentre la ecuación EXPLICITA de la recta tangente a la curva definida por f en el punto x0.
Más detallesCAPÍTULO. Métodos numéricos
CAPÍTULO 7 Métodos numéricos 7.2 Método de Euler En general, la solución de un PVI, y 0 D f.x; y/, con y.x 0 / D y 0, es una función y.x/ que se puede desarrollar mediante un polinomio de Taylor de cualquier
Más detallesOPTIMIZACIÓN NO LINEAL UNIDIMENSIONAL
04 de Abril de 2018 OPTIMIZACIÓN NO LINEAL UNIDIMENSIONAL (Parte 1) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación No Lineal José Luis Quintero
Más detallesExtremos Restringidos (Multiplicadores de Lagrange)
Extremos Restringidos (Multiplicadores de Lagrange) Dada la curva en el plano (x h) a + (y k) b = 1. Esta es una elipse con centro en (h,k) y queremos encontrar qué punto de esta elipse se encuentra más
Más detallesResolución. Resolución gráfica de problemas de optimización
Resolución de problemas de optimización Para resolver mente un problema de optimización como éste empezamos representando sus restricciones con igualdad. (0, 4) (0, 4) (4, 0) Para resolver mente un problema
Más detallesLección 4.1. Aplicaciones de la Derivada: Valores Máximos y Mínimos. 04/07/2011 Prof. José G. Rodríguez Ahumada 1 de 16
Lección 4.1 Aplicaciones de la Derivada: Valores Máximos y Mínimos 04/07/011 Prof. José G. Rodríguez Ahumada 1 de 16 Objetivo Al finalizar esta lección podrás: Diferenciar entre los valores extremos relativos
Más detallesECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso ) Cuarto Curso de Ingeniero Industrial
ECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso 2009-2010) Cuarto Curso de Ingeniero Industrial Optimización y Sistemas de Ecuaciones no Lineales FUNCIONES CONVEXAS. CRITERIOS DE OPTIMALIDAD Un problema
Más detallesChapter 4. Aplicaciones de la derivada. Applications of the Derivative. Copyright 2011 Pearson Education, Inc. Publishing as Pearson Addison-Wesley
Chapter 4 Applications of the Derivative Aplicaciones de la derivada Copyright 2011 Pearson Education, Inc. Publishing as Pearson Addison-Wesley 4.1 Maxima and Minima Máximos y mínimos Copyright 2011 Pearson
Más detallesParte 1: Errores de redondeo. 1. Calcule el error absoluto y el error relativo en las aproximaciones de p mediante p para:
Universidad de Antioquia Facultad de Ciencias Exactas y Naturales Departamento de Matemáticas Seccional Caucasia Taller N o de Análisis Numérico 16 de febrero de 010 Nota: El taller consta de 5 partes
Más detallesRelación de ejercicios 5
Relación de ejercicios 5 Ecuaciones Diferenciales y Cálculo Numérico Grado en Ingeniería de Tecnologías de Telecomunicación Mayo de 2017 Ejercicio 51 Halla un intervalo, para el cero más próximo al origen,
Más detallesGUIA DIDACTICA MATEMATICA 5to PARABOLA
UNIDAD EDUCATIVA COLEGIO LOS PIRINEOS DON BOSCO INSCRITO EN EL M.P.P.L N S2991D2023 RIF: J-09009977-8 GUIA DIDACTICA MATEMATICA 5to PARABOLA Asignatura: Matemática Año Escolar: 2013-2014 Lapso: 2do Año:
Más detalles(x x 0 ) y 0. O bien z z 0 = x 0. y notamos a este límite ᾱ (t 0 ) = dᾱ dt (t 0).
O bien z z 0 = x 0 z 0 (x x 0 ) y 0 z 0 (y y 0 ). Para obtener la ecuación cartesiana de este plano hacemos x 0 (x x 0 )+y 0 (y y 0 )+z 0 (z z 0 ) = 0, como x 0 + y0 + z0 = x 0 + y0 + r (x 0 + y0) = r
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesANALISIS NUMERICO. Práctica 1 - Diferencias Finitas
ANALISIS NUMERICO Práctica 1 - Diferencias Finitas do Cuatrimestre 014 Clasificación de ecuaciones diferenciales en derivadas parciales Eercicio 1 Hallar las regiones donde la ecuación (α + x) u xx + xyu
Más detalles4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte
4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co MÉTODO SIMPLEX Ejemplo de Simplex: Vamos a
Más detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
Más detalles75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS 1. ERRORES
75.12 ANÁLISIS NUMÉRICO I FACULTAD DE INGENIERÍA UNIVERSIDAD DE BUENOS AIRES GUÍA DE PROBLEMAS 1. ERRORES 1. Calcular las siguientes expresiones, incluyendo sus cotas de error absoluto, donde x = 2,00,
Más detallesInterpretación del concepto de la primera. y segunda derivada para analizar el comportamiento de las funciones.
Grado 11 Matematicas - Unidad 3 Conoce el cambio en un instante y describe la situación relacionados (Pre clase) Objetivos Título del objeto Interpretación del concepto de la primera Grado: 11 UoL_2: Las
Más detallesy 5 que pasa por el punto (2, 1).
PONTIFICIA UNIVERSIDAD CATOLICA MADRE Y MAESTRA FACULTAD DE CIENCIAS Y HUMANIDADES DEPARTAMENTO DE CIENCIAS BASICAS TERCER PARCIAL DE MAT- 211 A NOMBRE MAT. 1.)(Valor 15 puntos) Encuentre una ecuación
Más detallesMétodos numéricos para ingeniería Francisco Javier Delgado Cepeda
Preguntas de comprensión En esta sección se hace un recuento sobre algunas distinciones relativas a los diferentes métodos numéricos tratados. Deben realizarse después de una lectura profunda de los contenidos
Más detallesFormulas de Newton-Cotes
Formulas de Newton-Cotes. Usando las reglas del Trapecio, Punto Medio, Simpson y las formulas de Newton-Cotes abiertas con n =,, aproxime el valor de las siguientes Integrales. Construya una tabla para
Más detallesPRACTICA Núm. 2 Resolución numérica de ecuaciones no lineales
PRACTICA Núm. 2 Resolución numérica de ecuaciones no lineales La resolución de ecuaciones no lineales es un problema que se presenta con mucha frecuencia en los distintos campos científicos y técnicos.
Más detallesTEMA 4 Y 5 FUNCIONES. (El valor de la y es función de lo que valga x, depende de x).
TEMA 4 Y 5 FUNCIONES. FUNCIÓN Una función relaciona dos variables: x (variable independiente) e y (variable dependiente). (El valor de la y es función de lo que valga x, depende de x). y = 3x 5 Una función
Más detallesPrimer Parcial MATE1207 Cálculo Vectorial (Tema A) 1
Universidad de los Andes Departamento de Matemáticas Primer Parcial MATE1207 Cálculo Vectorial (Tema A) 1 Instrucciones: Lea cuidadosamente y conteste cada pregunta en la hoja asignada. Escriba con bolígrafo
Más detallesProgramación Lineal y Optimización Tercer Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011
Programación Lineal y Optimización Tercer Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 Matrícula: Nombre: 1 (30 puntos) La compañía Xeroch vende copiadoras. Uno de los factores de
Más detallesGuía práctica de estudio 4 Algoritmos de búsqueda parte 1
Guía práctica de estudio 4 Algoritmos de búsqueda parte 1 Elaborado por: Revisión: Ing. Laura Sandoval Montaño Facultad de Ingeniería U.N.A.M. Guía Práctica 4 Estructura de datos y Algoritmos II Algoritmos
Más detallesMatemáticas. para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul
Matemáticas para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul 1 Unidad V. (Capítulos 12 y 13 del texto) APLICACIONES DE LA DERIVADA 5.1 Función creciente y decreciente. 5.2 Extremos
Más detallesLABORATORIO DIEZ METODOS BÁSICOS DE RESOLUCIÓN NUMÉRICA DE ECUACIONES
LABORATORIO DIEZ METODOS BÁSICOS DE RESOLUCIÓN NUMÉRICA DE ECUACIONES OBJETIVOS 1.- Aprender a usar un método iterativo.- Relacionar el método iterativo con los procedimientos recursivos 3.- resolver ecuaciones
Más detalles3 RAÍCES REALES DE ECUACIONES NO-LINEALES. 3.1 Método de la bisección
3 RAÍCES REALES DE ECUACIONES NO-LINEALES Sea f: R R. Dada la ecuación f(x) = 0, se debe encontrar un valor real r tal que f(r) = 0. Entonces r es una raíz real de la ecuación Si no es posible obtener
Más detallesx se puede clasificar de acuerdo con la
CRITERIO DE LA PRIMERA DERIVADA PARA CALCULAR VALORES EXTREMOS DE UNA FUNCIÓN Conceptos clave: 7. Criterio de la primera derivada para determinar valores extremos de una función: Hipótesis. Si f(x) es
Más detallesSolve[polinomio==0,x]
Práctica 7 Resolución de ecuaciones Resolución de ecuaciones polinómicas La sentencia Roots[polinomio==0,x] obtiene todas las raíces reales y complejas de la ecuación polinómica correspondiente generando
Más detallesSoluciones a los ejercicios del examen final
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 201/14 20 de diciembre de 201 Soluciones a los ejercicios del examen final 1) Se considera la función f : R R
Más detallesMODELOS FUNCIONALES CON INSTRUCCIONES EN GEOGEBRA
MODELOS FUNCIONALES CON INSTRUCCIONES EN GEOGEBRA FACULTAD DE CIENCIAS AGRARIAS DIRIGIDO AL CURSO DE CÁLCULO DIFERENCIAL (CÁLCULO 1) ASTRID ÁLVAREZ CASTRO MODELOS FUNCIONALES CON INSTRUCCIONES EN GEOGEBRA
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesPráctica 2 Métodos de búsqueda para funciones de una variable
Práctica 2 Métodos de búsqueda para funciones de una variable Introducción Definición 1. Una función real f se dice que es fuertemente cuasiconvexa en el intervalo (a, b) si para cada par de puntos x 1,
Más detallesAnálisis de algoritmos
Tema 12: Algoritmos probabilistas M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com @efranco_escom edfrancom@ipn.mx 1 Contenido Introducción Algoritmos probabilistas Algoritmos probabilistas
Más detalles